如何根据一定数量的连续零值对data.frame进行分段，并在R中给出顺序

Question

我目前正在处理一辆车的数据。我们每5分钟记录一次汽车的速度，它包含了大量的零值。我的问题是，如何将数据分割成一个零值，并在R中给每个非零段一个有序数？让我们以一个示例数据为例：

sample <- data.frame(
  id = 1:15, 
  speed = c(50,0, 0, 30, 50, 40,0, 0, 25, 30, 50, 0, 30, 50, 40))

我想添加一个新列，为每个非零部分提供一个数字(从1开始)，而是一个连续的k-零速度(或更多)编号为0。特别是对于这个示例数据，假设k等于2，那么我想要的结果应该类似于这个dataframe：

sample_new <- data.frame(
  id = 1:15, 
  speed = c(50,0, 0, 0, 50, 40,0, 0, 25, 30, 50, 0, 30, 50, 40), 
  number = c(1, 0, 0, 0, 2, 2, 0 ,0, 3, 3, 3, 3, 3, 3, 3))

打印为

   id speed number
1   1    50      1
2   2     0      0
3   3     0      0
4   4     0      0
5   5    50      2
6   6    40      2
7   7     0      0
8   8     0      0
9   9    25      3
10 10    30      3
11 11    50      3
12 12     0      3** <- here is the difference
13 13    30      3
14 14    50      3
15 15    40      3

我的数据中有100多万行，所以我希望这个解决方案在速度上是可以接受的。

设定"k“门槛的原因是，一些司机即使锁上汽车睡觉，也只会打开GPS。但在另一种情况下，当间隔小于k时，他们只是因为十字路口的灯光而停了下来。我想把注意力集中在长时间的止损上，而忽略短时的止损。

希望我的问题对you.Thank你有意义。

Answer 1

由于处理速度是对超过1M行的生产数据集的关注，我建议使用data.table。

很容易识别后续非零条目的组：

library(data.table)
setDT(sample)[, number := rleid(speed > 0 ) * (speed > 0)][]

id speed number 1: 1 50 1 2: 2 0 0 3: 3 0 0 4: 4 30 3 5: 5 50 3 6: 6 40 3 7: 7 0 0 8: 8 0 0 9: 9 25 5 10: 10 30 5 11: 11 50 5 12: 12 0 0 13: 13 30 7 14: 14 50 7 15: 15 40 7

组号不同，但没有连续编号。如果这是一个要求，它将变得棘手：

setDT(sample)[, number := as.integer(factor(rleid(speed > 0 ) * (speed > 0), exclude = 0))][]

id speed number 1: 1 50 1 2: 2 0 NA 3: 3 0 NA 4: 4 30 2 5: 5 50 2 6: 6 40 2 7: 7 0 NA 8: 8 0 NA 9: 9 25 3 10: 10 30 3 11: 11 50 3 12: 12 0 NA 13: 13 30 4 14: 14 50 4 15: 15 40 4

如果确实需要，则可以将NAs替换为0

setDT(sample)[, number := as.integer(factor(rleid(speed > 0 ) * (speed > 0), exclude = 0))][
  is.na(number), number := 0][]

有另一种方法

setDT(sample)[, number := {
  tmp <- speed > 0
  cumsum(tmp  - shift(tmp, fill = 0, type = "lag") > 0) * tmp
}][]

id speed number 1: 1 50 1 2: 2 0 0 3: 3 0 0 4: 4 30 2 5: 5 50 2 6: 6 40 2 7: 7 0 0 8: 8 0 0 9: 9 25 3 10: 10 30 3 11: 11 50 3 12: 12 0 0 13: 13 30 4 14: 14 50 4 15: 15 40 4