R按条件累计总和并重置

Question

我在 data.frame 中有一个数字向量，如下所示。

df <- data.frame(a = c(1,2,3,4,2,3,4,5,8,9,10,1,2,1))

我需要创建一个新列，该列提供比其前任更大的条目的运行计数。结果列向量应该是这样的:

0,1,2,3,0,1,2,3,4,5,6,0,1,0

我的尝试是创建一个差异的“标志”列来标记值何时更大。

df$flag <- c(0,diff(df$a)>0)
> df$flag
 [1] 0 1 1 1 0 1 1 1 1 1 1 0 1 0

然后我可以应用一些 dplyr group/sum 魔法来几乎得到正确的答案，除了当 flag == 0 时总和不会重置:

df %>% group_by(flag) %>% mutate(run=cumsum(flag))

    a flag run
1   1    0   0
2   2    1   1
3   3    1   2
4   4    1   3
5   2    0   0
6   3    1   4
7   4    1   5
8   5    1   6
9   8    1   7
10  9    1   8
11 10    1   9
12  1    0   0
13  2    1  10
14  1    0   0

我不想求助于 for() 循环，因为我有几个这样的运行总和要计算一个 data.frame 中的几十万行。

Answer 1

这是 ave 的一种方式:

ave(df$a, cumsum(c(F, diff(df$a) < 0)), FUN=seq_along) - 1
 [1] 0 1 2 3 0 1 2 3 4 5 6 0 1 0

我们可以得到按 diff(df$a) < 0 分组的运行计数.哪些是向量中小于其前辈的位置。我们添加 c(F, ..)占第一位。该向量的累积总和创建了一个用于分组的索引。函数 ave可以对该索引执行函数，我们使用 seq_along进行计数。但由于它从 1 开始，我们减一 ave(...) - 1从零开始。

使用 dplyr 的类似方法:

library(dplyr)
df %>% 
  group_by(cumsum(c(FALSE, diff(a) < 0))) %>% 
  mutate(row_number() - 1)