r - 根据列中连续值形成的模式从数据框中选择行

Question

我的 R 平均水平，我想在以下操作方面得到一些帮助。

假设我有以下数据框:

    >df
    ID   Label
    P1   M
    P1   S
    P2   M
    P2   M
    P2   S
    P3   M
    P3   S
    P3   M
    P4   S
    P4   M
    P5   M
    P5   M
    P5   S

我希望能够选择出现在变量 Label 的特定序列中的行对于每个 ID。

对于图案 "MS" ，预期输出将是

    ID   Label
    P1   M
    P1   S
    P2   M
    P2   S
    P3   M
    P3   S

和模式 "MMS" ，预期输出将是

    ID   Label
    P2   M
    P2   M
    P2   S
    P5   M
    P5   M
    P5   S

和模式 "SM" ，预期输出为:

    ID   Label
    P3   S
    P3   M
    P4   S
    P4   M

请考虑这样一个事实，即我正在处理的数据有很多行，我需要构建的解决方案需要适用于任意长度的模式。 (例如“MSS”、“SM”、“MMSSMS”等)。我虚心地请求你的帮助。

编辑:我已经更新了这个问题(示例数据框和模式 "MMS" 的输出示例。我想补充一点，我希望在使用 ID 变量对数据进行分组后发生模式匹配，以便可以在按 ID 分组的数据组。抱歉第一次没有说清楚。

最终编辑:@akrun、@boski 和 @tmfmnk 的答案对我有用。与@tmfmnk 的解决方案(40 万行数据约 29 秒)相比，@boski 和 @akrun 的解决方案在执行时间上更快(40 万行数据约 2-10 秒)。我建议读者引用所有这三种解决方案。

Answer 1

一种选择是比较 lead值并获取按“ID”分组的索引

library(data.table)
i1 <- unique(setDT(df)[, lapply(which(Reduce(`&`, 
  Map(`==`, shift(Label, n = 0:2, type = "lead"), c("M", "M", "S")))), 
       function(i) .I[i:(i+2)]) , by = ID]$V1)
df[i1]
#    ID Label
#1: P2     M
#2: P2     M
#3: P2     S
#4: P5     M
#5: P5     M
#6: P5     S

数据

df <- structure(list(ID = c("P1", "P1", "P2", "P2", "P2", "P3", "P3", 
"P3", "P4", "P4", "P5", "P5", "P5"), Label = c("M", "S", "M", 
"M", "S", "M", "S", "M", "S", "M", "M", "M", "S")), 
class = "data.frame", row.names = c(NA, -13L))