r - 根据 "N"连续出现的原始因子级别，创建具有级别的新因子/变量

Question

我开始了一个新项目，其中包含大量我以前从未做过的数据管理工作，而且我似乎缺乏查找示例的技能或适当的搜索词。我有一个非常大的数据集，其中包含一个分组变量和一个二进制事件变量。它可以概括为一个工作示例:

library('data.table')
grp <- c("a", "a", "a", "a", "a", "a", "a", "b", "b", "b", "b", "b")
v1 <- c(1, 0, 0, 1, 1, 1, 1, 1, 0, 0, 0, 1)
test<-data.frame(grp,v1)
test

   grp v1
1    a  1
2    a  0
3    a  0
4    a  1
5    a  1
6    a  1
7    a  1
8    b  1
9    b  0
10   b  0
11   b  0
12   b  1

我一直在使用 data.table 将“grp”的独特级别内的“v1”条纹标记为具有新序数数字因子“事件”的事件:

setDT(test)
test<-test[, .(v1 = v1, event = rleidv(v1)), by=grp]

    grp v1 event
 1:   a  1     1
 2:   a  0     2
 3:   a  0     2
 4:   a  1     3
 5:   a  1     3
 6:   a  1     3
 7:   a  1     3
 8:   b  1     1
 9:   b  0     2
10:   b  0     2
11:   b  0     2
12:   b  1     3

在实际数据集中，这些“grp”特定事件中的一些非常长，我需要将它们分解成更小的、可变的、n - 有限的事件。例如，对于 n = 2 的新变量“sub.event”，我期望的输出是:

> test
    grp v1 event sub.event
 1:   a  1     1         1
 2:   a  0     2         2
 3:   a  0     2         2
 4:   a  1     3         3
 5:   a  1     3         3
 6:   a  1     3         4
 7:   a  1     3         4
 8:   b  1     1         1
 9:   b  0     2         2
10:   b  0     2         2
11:   b  0     2         3
12:   b  1     3         4

我一直在绞尽脑汁想找出一种方法来做到这一点。看起来很简单，我一定遗漏了一些明显的东西。为了帮助方便，可以在确定 n 限制的“sub.event”之前将原始变量连接成新变量。

预先感谢您的所有帮助。

Answer 1

这是一个与链接一起使用的方法。

setDT(test)[, new := rep(1:0, length.out=.N), by=.(grp, rleid(v1))][,
              new := cumsum(new), by=grp]

第一个链返回一个 1 和 0 的向量，重复 grp-rleid 对的长度。链中的下一个链接用 grp 的 cumsum 总结了这一点。

返回

test
    grp v1 new
 1:   a  1   1
 2:   a  0   2
 3:   a  0   2
 4:   a  1   3
 5:   a  1   3
 6:   a  1   4
 7:   a  1   4
 8:   b  1   1
 9:   b  0   2
10:   b  0   2
11:   b  0   3
12:   b  1   4

请注意，如所写，它不会自动扩展到 n > 2。但是，生成它的片段 1:0 可以写成 rep(c(1L, rep (0L, n)), length.out=.N) 其中 n+1 是您想要的重复值的数量。

在这种情况下，代码看起来像

test[, new := rep(c(1L, rep(0L, 2L)), length.out=.N), by=.(grp, rleid(v1))][,
       new := cumsum(new), by=grp]