r - 计算包含 NA 值的序列

Question

这是一个类似于更大数据集的示例数据框:

Day <- c(1, 2, NA, 3, 4, NA, NA, NA, NA, NA, 1, 2, 3, NA, NA, NA, NA, 1, 2, NA, NA, 3, 4, 5)
y   <- rpois(length(Day), 2)
z   <- seq(1:length(Day)) + 500
df  <- data.frame(z, Day, y)

如果 Day 列中有 4 个或更多缺失值 (NA) 的序列，则该序列表示研究中队列之间的差距。如果序列中少于 4 个 NA，则缺失值仍被视为队列的一部分(例如，第 3 行是队列 1 的一部分，但第 8 行不是)。在示例数据框中，有 3 个群组(群组 1:第 1-5 行、群组 2:第 11-13 行和群组 3:第 18-24 行)。我想添加一列列出队列编号和另一列列出队列研究日。这是我使用的代码:

require(dplyr)
CheckNA        <- rle(is.na(df$Day))
CheckNA$values <- CheckNA$lengths >= 4 & CheckNA$values == 1
ListNA         <- rep(CheckNA$values, CheckNA$lengths)
df$Co          <- rep(c(1, NA, 2, NA, 3), rle(ListNA)$lengths) %>% as.factor()

df <- df %>% 
  group_by (Co) %>% 
  mutate(CoDay = seq(Co)) %>% 
  as.data.frame()

df$CoDay <- ifelse(is.na(df$Co), NA, df$CoDay)

有没有更有效的方法来完成这项任务？我特别在寻找代码以避免列出群组编号，因为我的实际数据集将有超过 10 个群组。我目前只列出应该重复的序列: c(1, NA, 2, NA, 3) .

Answer 1

我会在这里做出改变

CheckNA        <- rle(is.na(df$Day))
CheckNA$values <- CheckNA$lengths >= 4 & CheckNA$values == 1
CheckNA$values <- ifelse(!CheckNA$values, cumsum(CheckNA$values)+1, NA)
df$Co <- inverse.rle(CheckNA)

我保持前两行相同，然后我使用 cumsum()在每次休息时分配新的 ID。这意味着您不必对任何值进行硬编码。使用新值，您可以使用 inverse.rle与您使用 rep() 的方式大致相同将新 ID 扩展到每一行。

如果你把它变成一个函数，你可以清理 dplyr位

id_NA_break <- function(x) {
  CheckNA        <- rle(is.na(x))
  CheckNA$values <- CheckNA$lengths >= 4 & CheckNA$values == 1
  CheckNA$values <- ifelse(!CheckNA$values, cumsum(CheckNA$values)+1, NA)
  inverse.rle(CheckNA)  
}

df  <- data.frame(z, Day, y)
df %>% 
  mutate(Co=id_NA_break(Day)) %>%
  group_by(Co) %>% 
  mutate(CoDay = ifelse(is.na(Co), NA, seq(Co)))