我有一个数据集,它由连续的非零数值块组成,由连续的零块分隔。我希望递增地对非零值的连续块进行分组(ala dplyr::group_by),然后删除零。我已经弄清楚了,但是我正在使用一个带有for循环的助手函数,它的效率非常低,非常不优雅。(请注意,这是一个时间序列数据集,因此必须保持顺序)。
有没有更好的方式使用dplyr或data.table (或矢量化)来实现这一点?
library(dplyr)
df <- data.frame(var1 = c(0, 0, 2.5, 3.4, 5.7, 2.1, 0, 0, 0, 16.3, 14.9, 0, 0, 129.1, 764.3, 345.5, 0))
myfun <- function(x){
n <- 1
mygroup <- 1
for(i in 2:length(x)){
if(x[[i]] == 0 && x[[i-1]] != 0){
n <- n + 1
}
mygroup[[i]] <- n
}
mygroup
}
df1 <- df %>%
mutate(group = myfun(df[[1]])) %>%
filter(var1 != 0) %>%
group_by(group)以下是所需的输出
> df1
var1 group
1 2.5 1
2 3.4 1
3 5.7 1
4 2.1 1
5 16.3 2
6 14.9 2
7 129.1 3
8 764.3 3
9 345.5 3发布于 2019-07-30 01:15:54
df %>%
mutate(group = cumsum((var1 == 0))) %>%
dplyr::filter(var1 != 0) %>%
mutate(group = cumsum(!duplicated(group)))发布于 2019-07-30 01:09:09
使用dplyr的一种方式可能是:
df %>%
mutate(group = with(rle(var1 == 0), rep(seq_along(lengths), lengths))) %>%
filter(var1 != 0) %>%
mutate(group = cumsum(!duplicated(group)))
var1 group
<dbl> <int>
1 2.5 1
2 3.4 1
3 5.7 1
4 2.1 1
5 16.3 2
6 14.9 2
7 129. 3
8 764. 3
9 346. 3或者:
df %>%
mutate(group = with(rle(var1 == 0), rep(seq_along(lengths), lengths))) %>%
filter(var1 != 0) %>%
mutate(group = dense_rank(group))https://stackoverflow.com/questions/57258375
复制相似问题