R 条件分组行和组编号

Question

我使用飞行运动的数据框(约 100 万行 * 108 个变量)，并希望对满足特定标准(即特定变量的值)的阶段进行分组。为了识别这些群体，我想对它们进行编号。
作为 R 新手，我让它适用于我的案例。现在我正在寻找一种更优雅的方式。特别是，我想克服组编号中的“无用”差距。
我提供了一个简化的 dplyr 数据框示例，其中阈值标准的值为 THR。行按时间戳排序(因此，我可以在这里截断它)。

THR <- c(13,17,19,22,21,19,17,12,12,17,20,20,20,17,17,13, 20,20,17,13)
df  <- as.data.frame(THR)
df  <- tbl_df(df)

标记(不)满足条件的所有行

df  <- mutate(df, CRIT = THR < 19)

通过以下，我设法有条件地“cumsum”以获得唯一的组标识:

df <- mutate(df, GRP = ifelse(CRIT == 1, 0, cumsum(CRIT))
df
    x CRIT GRP
1  13 TRUE   0
2  17 TRUE   0
3  19 FALSE  2          
4  22 FALSE  2
5  21 FALSE  2
6  19 FALSE  2
7  17 TRUE   0
8  12 TRUE   0
9  12 TRUE   0
10 17 TRUE   0
11 20 FALSE  6
12 20 FALSE  6

虽然这可以解决问题，并且我可以使用 group_by(例如汇总、过滤器)对组进行操作，但从示例输出中可以看出，编号并不理想。在此示例中，第 1 组编号为 2，第 2 组编号为 6，这与 cumsum() 结果一致。

如果有人能对我有所了解，我将不胜感激。我无法在其他帖子中找到合适的解决方案。

Answer 1

我不知道你真的可以避免创建 CRIT 的初步步骤，尽管我建议添加 cumsum创建它时，然后只需运行一个简单的 cumsum/diff总结一下。另外，如果您不需要不符合条件的组，最好分配 NA而不仅仅是一些随机数，例如零。这是一个可能的 data.table结束(此外，您根本不需要 df <- tbl_df(df) 步骤)

library(data.table)
setDT(df)[, CRIT := cumsum(THR < 19)]
df[THR >= 19, GRP := cumsum(c(0L, diff(CRIT)) != 0L) + 1L]
#     THR CRIT GRP
#  1:  13    1  NA
#  2:  17    2  NA
#  3:  19    2   1
#  4:  22    2   1
#  5:  21    2   1
#  6:  19    2   1
#  7:  17    3  NA
#  8:  12    4  NA
#  9:  12    5  NA
# 10:  17    6  NA
# 11:  20    6   2
# 12:  20    6   2
# 13:  20    6   2
# 14:  17    7  NA
# 15:  17    8  NA
# 16:  13    9  NA
# 17:  20    9   3
# 18:  20    9   3
# 19:  17   10  NA
# 20:  13   11  NA