r - 识别哪个组包含非零值序列

Question

我试图确定列中的哪些组包含特定序列长度的非零数字。在下面的基本示例中，目标是找到 a 序列长度为 5 的组，只有组 b 才是正确的。

set.seed(123)
df <- data.frame(
  id = seq(1:40),
  grp = sort(rep(letters[1:4], 10)),
  x = c(
    c(0, sample(1:10, 3), rep(0, 6)), 
    c(0, 0, sample(1:10, 5), rep(0, 3)), 
    c(rep(0, 6), sample(1:10, 4)),
    c(0, 0, sample(1:10, 3), 0, sample(1:10, 2), 0, 0))
)

一个有限的解决方案是使用下面的 cumsum 来计算非零值，但当序列中有中断时不起作用，例如特定长度为 5 且组 d 被错误地包含在内。

library(dplyr)
df %>% 
  group_by(grp) %>% 
  mutate(cc = cumsum(x != 0)) %>% filter(cc == 5) %>% distinct(grp)

对于序列长度为 5 的示例，所需的输出将仅识别组 b，而不是 d。

Answer 1

您可以使用rle为每个组查找连续的非零数字。

library(dplyr)

find_groups <- function(x, n) {
  tmp <- rle(x != 0)
  any(tmp$lengths[tmp$values] >= n)
}

#apply the function for each group
df %>% 
  group_by(grp) %>%
  dplyr::filter(find_groups(x, 5)) %>%
  ungroup %>%
  distinct(grp)

#   grp  
#  <chr>
#1 b