R- 创建一个以行值为条件的变量

Question

我有一个数据框测试，如下所示:

ID  Month1  Month2  Month3  Month4  Month5  Month6  Month7  Month8
    A   0       1      1       1       1        0       0        0
    B   0       1      1       1       0        0      NA        NA
    C   0       0      0       0       NA      NA      NA        NA
    D   0       1      1       1       1        1       1        1
    E   0       1      1       0       0        0       1        1
    F   0       0      0       1       1        1       1        1
    G   0       0      1       1       0        0       0        0
    H   0       0      0       0       0        0       0        0

我想在数据框中创建一个条件变量“Result”，用于计算 1 连续重复的次数。但是，我只想计算后面跟着 0 的第一组 1，这意味着在创建“Result”变量时我需要记住三个条件。 条件如下:

条件1: 计算以 0 结尾的第一组 1。

条件2: 如果这组 1 不以 0 结尾或以 NA 结尾，则 Result=NA

条件3 如果有两组以 0 结尾的 1，则忽略第二组。

ID  Month1  Month2  Month3  Month4  Month5  Month6  Month7  Month8  Result 
    A   0       1      1       1       1        0       0        0       4
    B   0       1      1       1       0        0      NA        NA      3
    C   0       0      0       0       NA      NA      NA        NA     0
    D   0       1      1       1       1        1       1        1      NA
    E   0       1      1       0       0        0       1        1      2
    F   0       0      0       1       1        1       1        1      NA
    G   0       0      1       1       0        0       0        0      2
    H   0       0      0       0       0        0       0        0      0

到目前为止我已经尝试过:

test$Result=apply(test[,c(2:9)],1,function(x) length(x[x==1&!(is.na(x))])) 

这会计算行中 1 的总数，而不仅仅是第一组 1。

任何和所有的帮助将不胜感激。

Answer 1

我认为使用rle()来计算“值运行的长度”在这里会很有帮助。以下是我假设您的数据存储在 R 中的方式

dd <- structure(list(ID = structure(1:8, .Label = c("A", "B", "C", 
    "D", "E", "F", "G", "H"), class = "factor"), Month1 = c(0L, 0L, 
    0L, 0L, 0L, 0L, 0L, 0L), Month2 = c(1L, 1L, 0L, 1L, 1L, 0L, 0L, 
    0L), Month3 = c(1L, 1L, 0L, 1L, 1L, 0L, 1L, 0L), Month4 = c(1L, 
    1L, 0L, 1L, 0L, 1L, 1L, 0L), Month5 = c(1L, 0L, NA, 1L, 0L, 1L, 
    0L, 0L), Month6 = c(0L, 0L, NA, 1L, 0L, 1L, 0L, 0L), Month7 = c(0L, 
    NA, NA, 1L, 1L, 1L, 0L, 0L), Month8 = c(0L, NA, NA, 1L, 1L, 1L, 
    0L, 0L)), .Names = c("ID", "Month1", "Month2", "Month3", "Month4", 
    "Month5", "Month6", "Month7", "Month8"), class = "data.frame", 
    row.names = c(NA, -8L))

然后我会运行类似的代码

dd$Result <- apply(dd[, -1], 1, function(x) {
    rr<-rle(x)
    f1<-which(rr$values==1)[1]
    if ( is.na(f1) ) {
        0
    } else if (!is.na(rr$values[f1+1]) && rr$values[f1+1]==0) {
        rr$lengths[f1]
    } else {
        NA
    }
})

这给出了

  ID Month1 Month2 Month3 Month4 Month5 Month6 Month7 Month8 Result
1  A      0      1      1      1      1      0      0      0      4
2  B      0      1      1      1      0      0     NA     NA      3
3  C      0      0      0      0     NA     NA     NA     NA      0
4  D      0      1      1      1      1      1      1      1     NA
5  E      0      1      1      0      0      0      1      1      2
6  F      0      0      0      1      1      1      1      1     NA
7  G      0      0      1      1      0      0      0      0      2
8  H      0      0      0      0      0      0      0      0      0

如您所愿。

确实有一些边缘情况使这段代码有些棘手。首先我们要看看有没有1；如果不是，我们返回 0。然后，如果有一个 1，我们要确保它后面跟着一个 0，否则返回 NA。我们使用 apply() 对每一行执行此逻辑，省略 ID 列。从您的描述中并不完全清楚如果 NA 值出现在行末尾之前(如开头)，会发生什么情况，所以我只是假设这是您不必这样做的情况担心。