r - 如何根据聚集的人口找到指数

Question

数据集有一些聚集组的模式。这是数据集:

index <- c(1:30)
a <- c(0,1,0,0,0,1,1,1,0,0,1,1,0,0,0,0,1,1,1,1,0,0,1,0,1,1,1,0,1,0)
b <- c(1,1,1,0,0,1,1,1,0,0,1,1,1,1,0,0,1,1,1,0,0,0,0,0,1,0,1,1,1,1)
c <- c(1,1,1,0,0,0,0,0,0,0,0,1,1,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0)
d <- c(0,0,0,0,0,0,1,0,1,0,1,1,1,1,1,0,0,1,1,1,0,0,0,0,0,1,0,1,1,1)
df <- data.frame(cbind(index, a, b, c, d))

一般情况下，任务是当数据列(即a、b、c、d)中至少显示三个连续值(即1)时，识别索引(即“index”列)列及其相邻列显示至少三个连续值(即 1)。

例如，下例的结果将输出 2、3、4、7、8、9。请参见突出显示的连续值。

索引 1 2 3 4 5 6 7 8 9

col-a 0 0 0 0 0 1 1 0 1

col-b 1 0 1 0 1 1 1 1 1

col-c 0 1 1 1 0 0 1 1 1

col-d 1 1 1 1 0 0 0 0 0

结果应输出索引:1, 2, 3, 6, 7, 8, 12, 13, 14, 17, 18, 19, 27。

Answer 1

这不是最可扩展的解决方案，但它返回了所需的结果

# convert 1s that do not have at least runs of length 3 to 0
df[LETTERS[1:4]] <- lapply(df[-1], function(x) {
                                     tmp <- rle(x)
                                     tmp$values[tmp$lengths < 3] <- 0L
                                     inverse.rle(tmp)})

# add neighbor columns use logical subsetting to return the relevant indices
df$index[(pmax(df[[LETTERS[1]]] + df[[LETTERS[2]]],
               df[[LETTERS[2]]] + df[[LETTERS[3]]],
               df[[LETTERS[3]]] + df[[LETTERS[4]]]) > 1)]
[1]  1  2  3  6  7  8 12 13 14 17 18 19 27

---

这是一个可扩展到 n 列的版本。

# convert 1s that do not have at least runs of length 3 to 0, put into list
l <- lapply(df[-1], function(x) {
                                 tmp <- rle(x)
                                 tmp$values[tmp$lengths < 3] <- 0L
                                 inverse.rle(tmp)})

同上，只是存储在一个新的对象中，为了方便。现在，使用 Map 返回相邻列之和的列表。使用 do.call 和 pmax 返回元素级最大值。

df$index[do.call(pmax, Map(function(x, y) l[[x]] + l[[y]],
                           head(seq_along(l), -1), tail(seq_along(l), -1))) > 1]