r - 计算给定数据框中连续不大于阈值但分组的数量

Question

假设我们需要对大于 40 的连续数字进行计数，但按分组(标签)进行计数，以便连续数字的计数应独立于标签。

例如，我们有来自标签列的 6 个组，因此对于每个组，我们将计算临时变量超过阈值的次数。下面是我试图与此一起呈现的可重现示例，我粘贴了预期输出的快照。

tag<- c(1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3,
        3, 3, 3, 3, 3, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 5, 5, 5, 5, 5, 5, 5, 5,5, 5,
        6, 6, 6, 6, 6, 6, 6, 6, 6, 6)
temp<- c(43, 44, 45, 41, 43, 38, 40, 41, 39, 37, 37, 39, 45, 42, 41, 43, 44, 39,38,
         37, 43, 44, 45, 41, 43, 38, 40, 41, 39, 37, 37, 39, 45, 42, 41, 43, 44, 
        39, 38, 37, 43, 44, 45, 41, 43, 38, 40, 41, 39, 37, 37, 39, 45, 42, 41,43,
         44, 39, 38, 37)

df=data.frame(tag=tag,temp=temp)

预期输出是第三列状态

Answer 1

我们可以使用data.table。将“data.frame”转换为“data.table”(setDT(df))，使用逻辑向量的游程 ID 创建分组变量 (temp >= 40 )，按“tag”、“grp”分组并设置逻辑条件i，我们将“status”指定为行序列(seq_len(.N))，并将 'status' 中的 'NA' 元素转换为 0

library(data.table) 
setDT(df)[, grp := rleid(temp >= 40)][temp >= 40, status := seq_len(.N) , .(tag, grp)
             ][is.na(status), status := 0][]
head(df, 20)    
#    tag temp grp status
# 1:   1   43   1      1
# 2:   1   44   1      2
# 3:   1   45   1      3
# 4:   1   41   1      4
# 5:   1   43   1      5
# 6:   1   38   2      0
# 7:   1   40   3      1
# 8:   1   41   3      2
# 9:   1   39   4      0
#10:   1   37   4      0
#11:   2   37   4      0
#12:   2   39   4      0
#13:   2   45   5      1
#14:   2   42   5      2
#15:   2   41   5      3
#16:   2   43   5      4
#17:   2   44   5      5
#18:   2   39   6      0
#19:   2   38   6      0
#20:   2   37   6      0

---

或者使用base R中的rle。我们使用ave按'tag'分组，获取逻辑向量(temp >=40)的rle，复制值乘以长度，并将其与长度的序列相乘。 TRUE/FALSE 值被强制转换为 1/0，当一个数字与 1 相乘时，它会返回该数字，而与 0 相乘时，我们会得到 0 值。

df$status <-  with(df, ave(temp >= 40, tag, FUN = function(x) {
           rl <- rle(x)
          with(rl, sequence(lengths) * rep(values, lengths))}))
df$status 
#[1] 1 2 3 4 5 0 1 2 0 0 0 0 1 2 3 4 5 0 0 0 1 2 3 4 5
#[26] 0 1 2 0 0 0 0 1 2 3 4 5 0 0 0 1 2 3 4 5 0 1 2 0 0 0 0 1 2 3 4 5 0 0 0