r - 在特定值之前和之后删除特定值的运行

Question

我有一个包含几列的数据框。基于“事件”列，我想删除特定值“pt”的整个连续运行，但仅当它们发生在“外部”运行之前或之后。

在下面的简化数据中，有一个运行，其中“事件”是“外部”，并且前后都有“pt”块。这两个“pt”块应该被删除。

   activity dist
1      home    1
2        pt    2 # <- run of 'pt' before run of 'outside': remove
3        pt    3 # <-
4        pt    4 # <- 
5   outside    5
6   outside    6
7        pt    7 # <- run of 'pt' after run of 'outside': remove
8        pt    8 # <-
9      work    9
10       pt   10
11       pt   11
12     home   12

因此，所需的输出是:

    activity dist 
 1      home    1 
 2   outside    5 
 3   outside    6 
 4      work    9 
 5        pt   10 
 6        pt   11 
 7      home   12 

如何做到这一点？
dput数据的:

structure(list(activity = c("home", "pt", "pt", "pt", "outside", "outside", "pt", "pt", "work", "pt", "pt", "home"),
              dist = 1:12),
          class = "data.frame", row.names = c(NA, -12L))

Answer 1

您可以使用来自 data.table 的一些便利功能包裹:rleid到“[g] 生成运行长度类型组 ID”，和 shift获取向量中焦点索引之前和之后的值。

library(data.table)
setDT(d)
d[ , r := rleid(activity)]

d[!(r %in% r[activity == "pt" & shift(activity, type = "lead") == "outside" |
               shift(activity) == "outside" & activity == "pt"])]

#    activity dist r
# 1:     home    1 1
# 2:  outside    5 3
# 3:  outside    6 3
# 4:     work    9 5
# 5:       pt   10 6
# 6:       pt   11 6
# 7:     home   12 7

解释:
胁迫你的 data.frame到 data.table ( setDT(d) )。创建“事件”的运行长度索引 ( rleid )。检查当前值是否为 'pt' 且下一个值是否为 'outside' ( activity == "pt" & shift(activity, type = "lead") == "outside" )，或者 ( | ) 如果当前值为 'pt' 且前一个值为 'outside' ( activity == "pt" & shift(activity) == "outside" )。
这个条件是 TRUE , 获取要删除的运行组 ( r[<condition>] )。检查 run 是否在要删除的组中( r %in% <run groups to be removed> )。如果是这样，在索引数据时不要 ( ! ) 保留这些行 ( d[<condition>] )
base替代使用 rle .
在 'outside' 之前或之后的 'pt' 运行的值被替换为 NA . rle 被转换回向量 ( inverse.rle ) 和带有 NA 的行被删除 ( na.omit )。
显然，如果有 NA 的行在要保留的原始数据集中，需要使用另一个值进行替换。

with(rle(d$activity),
     values[c(which(head(values, -1) == "pt" & tail(values, -1) == "outside"),
              which(head(values, -1) == "outside" & tail(values, -1) == "pt") + 1)]) <- NA

d$activity = inverse.rle(r)
na.omit(d)