r - 填充两个指定值之间的所有条目

Question

我有一个很长的向量，有数千个条目，其中偶尔包含 0、1、2 元素。 0 表示“无信号”，1 表示“信号开启”，2 表示“信号关闭”。我试图找到从 1 到下一次出现的 2 的运行，并用 1 填充空间。我还需要在 2 和下一次出现的 1 之间做同样的事情，但用 0 填充空间。

我目前有一个使用循环来解决这个问题的解决方案，但它很慢而且效率非常低:

示例向量:exp = c(1,1,1,0,0,1,2,0,2,0,1,0,2)
想要的结果:1,1,1,1,1,1,2,0,0,0,1,1,2
谢谢

Answer 1

您可以使用 rle & shift来自 数据表 - 以下列方式打包:

library(data.table)

# create the run-length object
rl <- rle(x)

# create indexes of the spots in the run-length object that need to be replaced
idx1 <- rl$values == 0 & shift(rl$values, fill = 0) == 1 & shift(rl$values, fill = 0, type = 'lead') %in% 1:2
idx0 <- rl$values == 2 & shift(rl$values, fill = 0) == 0 & shift(rl$values, fill = 2, type = 'lead') %in% 0:1

# replace these values
rl$values[idx1] <- 1
rl$values[idx0] <- 0

现在您将通过使用 inverse.rle 获得所需的结果:

> inverse.rle(rl)
 [1] 1 1 1 1 1 1 2 0 0 0 1 1 2

作为 shift 的替代品-function，你也可以使用 lag和 lead来自 的函数dplyr .

如果您想评估两种方法的速度， microbenchmark -package 是一个有用的工具。您会在下面找到 3 个基准测试，每个基准测试针对不同的向量大小:

# create functions for both approaches
jaap <- function(x) {
  rl <- rle(x)

  idx1 <- rl$values == 0 & shift(rl$values, fill = 0) == 1 & shift(rl$values, fill = 0, type = 'lead') %in% 1:2
  idx0 <- rl$values == 2 & shift(rl$values, fill = 0) == 0 & shift(rl$values, fill = 2, type = 'lead') %in% 0:1

  rl$values[idx1] <- 1
  rl$values[idx0] <- 0

  inverse.rle(rl)
}

john <- function(x) {
  Reduce(f, x, 0, accumulate = TRUE)[-1]
}

执行基准:

# benchmark on the original data

> microbenchmark(jaap(x), john(x), times = 100)
Unit: microseconds
    expr    min      lq     mean  median     uq     max neval cld
 jaap(x) 58.766 61.2355 67.99861 63.8755 72.147 143.841   100   b
 john(x) 13.684 14.3175 18.71585 15.7580 23.902  50.705   100  a 

# benchmark on a somewhat larger vector

> x2 <- rep(x, 10)
> microbenchmark(jaap(x2), john(x2), times = 100)
Unit: microseconds
     expr     min      lq      mean   median       uq     max neval cld
 jaap(x2)  69.778  72.802  84.46945  76.9675  87.3015 184.666   100  a 
 john(x2) 116.858 121.058 127.64275 126.1615 130.4515 223.303   100   b

# benchmark on a very larger vector

> x3 <- rep(x, 1e6)
> microbenchmark(jaap(x3), john(x3), times = 20)
Unit: seconds
     expr      min        lq      mean    median        uq       max neval cld
 jaap(x3)  1.30326  1.337878  1.389187  1.391279  1.425186  1.556887    20  a 
 john(x3) 10.51349 10.616632 10.689535 10.670808 10.761191 10.918953    20   b

由此可以得出结论， rle -approach 在应用于大于 100 个元素的向量时具有优势(这可能几乎总是如此)。