R:窗口函数

Question

我有一个数据框DF，具有三列和n行，如下所示：

Month Year  Default
1   2015    T
2   2015    T
3   2015    F
4   2015    T
5   2015    T
6   2015    T
7   2015    F

我想检查一下是否有3个T，然后继续打印所有开始的年份和月份到一个新的DF中。

我需要获得如上所示的输出。输出应如下所示：

Month   Year
4   2015

Answer 1

这里尝试使用data.table devel version on GH和新的rleid函数

library(data.table) # v 1.9.5+
setDT(df)[, indx := rleid(Default)]
df[(Default), if(.N > 2) .SD[1L], by = indx]
#    indx Month Year Default
# 1:    3     4 2015    TRUE

我们在这里主要做的是为Default中的每个连续事件设置唯一索引，然后通过仅在Default == TRUE时查看，如果组大小大于2，我们将按每个组检查，如果大于2，则选择该组中的第一个实例。

一个更短的版本(由@Arun提议)将是

setDT(df)[, if(Default && .N > 2L) .SD[1L], by = .(indx = rleid(Default), Default)]

Answer 2

这可能不是最好的解决方案，但我的第一个尝试是-将第三列粘贴到一个字符串中-使用regexpr查找该字符串中所有出现的"TTT“，这将为您提供一个向量。-使用此向量逐行设置原始数据帧子集，省略最后一列

编辑

现在有了代码：

def_str <- paste(as.integer(DF$default), collapse="")
indices <- unlist(gregexp("111+", def_str))
if (!indices[1]==-1){
  # if there is no match, indices will be -1
  DF[indices,-3]
}
else {
  print("someting dramatic about no 3 months rolling T's")
}

Answer 3

尽管data.table是一个非常好的包，但是在base R中使用rle可以做到这一点，而不需要data.table！但有时人们只是想使用base R而不需要其他依赖项。

dt <- data.frame(Month = c(1, 2, 3, 4, 5, 6, 7), Year = 2015, Default = c(T, T, F, T, T, T, F))

runData <- rle(dt$Default)

whichThree <- which(runData$lengths == 3 & runData$values)

idx <- unlist(lapply(whichThree - 1, function(x) sum(runData$lengths[1:x])))
idx <- idx + 1

dt[idx, 1:2]