计算因子的匝数并将数字添加到因子中

Question

我有三个人进行谈话的时间历程数据。除了其他的东西，如音高和强度，我有时间信息和谁在这里发言-人L，人R，人B或没有人("0")。下面是一个简短的例子，其中t是以秒为单位的时间，s是说话者的信息：

> t = 1:10
> s = c("L", "0", "L", "0", "R", "B", "R", "0", "0", "L")
> data.frame(t,s)
    t a
1   1 L
2   2 0
3   3 L
4   4 0
5   5 R
6   6 B
7   7 R
8   8 0
9   9 0
10 10 L

我想补充一下关于演讲的信息转到数据上。一个回合是一个人说话，包括暂停，直到其他人开始说话。在上面的具体例子中，目标如下：

    t a goal
1   1 L   L1
2   2 0   L1
3   3 L   L1
4   4 0   L1
5   5 R   R1
6   6 B   B1
7   7 R   R2
8   8 0   R2
9   9 0   R2
10 10 L   L2

我知道如何使用for循环来实现这一点，但是，我的数据有600000行，所以这会非常慢。有人知道怎样才能完成这样的事情吗？

Answer 1

有很多功能，但非常简单：

row

• group_by

• 将0替换为NAs，并将fill NAs替换为最向上的非NA值。

• 创建row_number

• s并根据连续的row_numbers创建组(这是主要的function!)

• paste s和gp到所需的值。

)。

library(tidyverse)

data.frame(t, s) %>% 
  mutate(snew = na_if(s, "0"),
         rown = row_number()) %>% 
  fill(snew) %>% 
  group_by(snew) %>% 
  mutate(gp = cumsum(c(TRUE, diff(rown) > 1)), .keep = "unused") %>% 
  ungroup() %>% 
  mutate(goal = paste0(snew, gp), .keep = "unused")

       t s     goal 
 1     1 L     L1   
 2     2 0     L1   
 3     3 L     L1   
 4     4 0     L1   
 5     5 R     R1   
 6     6 B     B1   
 7     7 R     R2   
 8     8 0     R2   
 9     9 0     R2   
10    10 L     L2 

Answer 2

你感兴趣的关键领域：

s <- c("L", "0", "L", "0", "R", "B", "R", "0", "0", "L")

一个基R解决方案：

## fill "0" using vectorized "last observation carried forward"
zero <- which(s == "0")
logi <- c(TRUE, diff(zero) > 1)
s[zero] <- rep(s[zero[logi] - 1], tabulate(cumsum(logi)))
## generate numeric ID
ID <- with(rle(s), rep(ave(values, values, FUN = seq_along), lengths))
## final `paste0`
paste0(s, ID)
#[1] "L1" "L1" "L1" "L1" "R1" "B1" "R2" "R2" "R2" "L2"

Answer 3

使用data.table

library(data.table)
chnalocf = \(x) x[nafill(replace(seq_along(x), is.na(x), NA), "locf")]

setDT(df)
df[, s2 := chnalocf(replace(x, x == "0", NA))
   ][, tmp := rleid(s2)
    ][, goal := paste0(s2, rleid(tmp)), by = s2
      ][, !c("s2", "tmp")]

#         t      s   goal
#     <int> <char> <char>
#  1:     1      L     L1
#  2:     2      0     L1
#  3:     3      L     L1
#  4:     4      0     L1
#  5:     5      R     R1
#  6:     6      B     B1
#  7:     7      R     R2
#  8:     8      0     R2
#  9:     9      0     R2
# 10:    10      L     L2