r - 运行长度的累积和。这个循环可以矢量化吗？

Question

我有一个数据框，用于计算特定列的运行长度编码。列的值，dir , 是 -1、0 或 1。
dir.rle <- rle(df$dir)
然后，我获取运行长度并计算数据框中另一列的分段累积总和。我正在使用 for 循环，但我觉得应该有一种更智能的方法。

ndx <- 1
for(i in 1:length(dir.rle$lengths)) {
    l <- dir.rle$lengths[i] - 1
    s <- ndx
    e <- ndx+l
    tmp[s:e,]$cumval <- cumsum(df[s:e,]$val)
    ndx <- e + 1
}

dir 的运行长度定义开始，s ，并结束，e ，每次运行。上面的代码有效，但感觉不像惯用的 R 代码。我觉得好像应该有另一种方法可以在没有循环的情况下做到这一点。

Answer 1

这可以分解为两步问题。首先，如果我们基于 rle 创建一个索引列，然后我们可以使用它来分组并运行 cumsum .然后可以通过任意数量的聚合技术执行分组依据。我将展示两个选项，一个使用 data.table另一个使用 plyr .

library(data.table)
library(plyr)
#data.table is the same thing as a data.frame for most purposes
#Fake data
dat <- data.table(dir = sample(-1:1, 20, TRUE), value = rnorm(20))
dir.rle <- rle(dat$dir)
#Compute an indexing column to group by
dat <- transform(dat, indexer = rep(1:length(dir.rle$lengths), dir.rle$lengths))


#What does the indexer column look like?
> head(dat)
     dir      value indexer
[1,]   1  0.5045807       1
[2,]   0  0.2660617       2
[3,]   1  1.0369641       3
[4,]   1 -0.4514342       3
[5,]  -1 -0.3968631       4
[6,]  -1 -2.1517093       4


#data.table approach
dat[, cumsum(value), by = indexer]

#plyr approach
ddply(dat, "indexer", summarize, V1 = cumsum(value))