使用r减去与标准匹配的行块

Question

我想从一个dataframe中减去行块，然后进行更多的计算。例如，我希望在每个grp变量中减去与以下条件相匹配的行块：

• 1，块的开始满足以下条件：
  • val变量为负值，时间变量为1；
  • 或val变量在正val变量之后为负值。

• 2、块的结尾满足以下条件：
  • val变量在负val变量之后为正变量。

df <- tribble(
  ~grp, ~time, ~val,
  "A",  1,     1,
  "A",  2,    -0.3,
  "A",  3,    -0.4,
  "A",  5,     0.5,
  "A",  7,    -0.1,
  "A",  9,     0.9,
  "B",  1,    -0.1,
  "B",  2,    -0.4,
  "B",  3,     0.3,
  "B",  5,     0.1,
  "B",  7,     0.4,
  "B",  9,     -0.1
)

根据上述标准，我们希望得到以下数据框架：

result <- tribble(
  ~grp, ~time, ~val,
  "A",  2,    -0.3,
  "A",  3,    -0.4,
  "A",  5,     0.5,
  "A",  7,    -0.1,
  "A",  9,     0.9,
  "B",  1,    -0.1,
  "B",  2,    -0.4,
  "B",  3,     0.3
)

利用结果数据框架，可以计算出从负到正的状态转换时间。

final <- tribble(
  ~grp, ~tran_time, 
  "A",  (5-2) + (9-7),   
  "B",  3-1
)

要减的行块的图形

我可以编写循环来实现这些目标，但是可以使用矢量化方法来实现上述目标吗？

Answer 1

使用您的逻辑，我们可以使用slice

library(dplyr)

df1 <- df |> 
    slice(which.max((val < 0 & time == 1) | (val < 0 & lag(val) > 0)):max(which(lag(val) < 0 & val > 0)))

  grp    time   val
  <chr> <dbl> <dbl>
1 A         2  -0.3
2 A         3  -0.4
3 A         5   0.5
4 A         7  -0.1
5 A         9   0.9
6 B         1  -0.1
7 B         2  -0.4
8 B         3   0.3

您可以使用count和add_count而不是group_by来总结转换时间。

df2 <- df1 |> 
    add_count(a = ifelse(val < 0, cumsum(val > 0) + 1, cumsum(val > 0)), wt = max(time) - min(time)) |> 
    count(grp, wt = sum(unique(n)), name = "trans_time")

  grp   trans_time
  <chr>      <dbl>
1 A              5
2 B              2