r - 汇总每月状态数据以排序数据

Question

我想知道是否有一个简单的解决方案来解决以下问题:想象一下每月处理有关某人是否工作 (work=1) 或不工作 (work=0) 的状态信息。这说明了原始数据:

    orig <- data.frame(id=c(rep(1:2, each=10)), 
               month.nr=c(rep(1:10,2)), 
               work.yn=c(0,1,1,0,0,0,1,1,1,0,
                         1,1,1,1,0,1,1,0,0,1))
id month.nr work.yn
1        1       0
1        2       1
1        3       1
1        4       0
1        5       0
1        6       0
1        7       1
1        8       1
1        9       1
1       10       0
2        1       1
2        2       1
2        3       1
2        4       1
2        5       0
2        6       1
2        7       1
2        8       0
2        9       0
2       10       1

我正在寻找一个简单的函数或算法来转换数据，仅保留工作周期的开始和结束月份，并按人员 (id) 对结果序列进行编号。上述示例的结果数据如下所示:

    id month.start.work month.end.work sequence.nr
1                2              3           1
1                7              9           2
2                1              4           1
2                6              7           2
2               10             10           3

由于我的数据量不是那么小，因此非常感谢资源高效的解决方案。

编辑:使用循环(可能还有滞后函数)完成任务会奏效，但我正在寻找更矢量化的解决方案。

Answer 1

这里有一些类似的解决方案，在 data.table v >= 1.9.6(最新的稳定版本)中使用 rleid 函数

library(data.table) # v.1.9.6+
setDT(orig)[, indx := rleid(work.yn)
            ][work.yn != 0, .(start = month.nr[1L], 
                              end = month.nr[.N]), 
              by = .(id, indx)
              ][, seq := 1:.N,
                by = id][]
#    id indx start end seq
# 1:  1    2     2   3   1
# 2:  1    4     7   9   2
# 3:  2    6     1   4   1
# 4:  2    8     6   7   2
# 5:  2   10    10  10   3

---

上面的轻微变体，无需先创建 index，从而避免了一次分组操作:

setDT(orig)[, if (work.yn[1L]) 
                 .(start=month.nr[1L], end=month.nr[.N]), 
           by=.(id, rleid(work.yn))
          ][, seq := seq_len(.N), by=id][]

---

或者我们可以使用 range 来获得更短的代码

setDT(orig)[, if (work.yn[1L]) as.list(range(month.nr)), 
             by = .(id, rleid(work.yn))
            ][, seq := seq_len(.N), by = id][]