R 运行长度上的累积总和。这个循环可以矢量化吗？

我有一个数据帧，在该数据帧上计算特定列的运行长度编码。列

dir

的值为-1、0或1

---

dir.rle这可以分解为两步问题。首先，如果我们基于
rle
创建一个索引列，那么我们可以使用它来分组并运行
cumsum
。然后，可以通过任何数量的聚合技术来执行分组。我将显示两个选项，一个使用
data.table
，另一个使用
plyr

library(data.table)
library(plyr)
#data.table is the same thing as a data.frame for most purposes
#Fake data
dat <- data.table(dir = sample(-1:1, 20, TRUE), value = rnorm(20))
dir.rle <- rle(dat$dir)
#Compute an indexing column to group by
dat <- transform(dat, indexer = rep(1:length(dir.rle$lengths), dir.rle$lengths))


#What does the indexer column look like?
> head(dat)
     dir      value indexer
[1,]   1  0.5045807       1
[2,]   0  0.2660617       2
[3,]   1  1.0369641       3
[4,]   1 -0.4514342       3
[5,]  -1 -0.3968631       4
[6,]  -1 -2.1517093       4


#data.table approach
dat[, cumsum(value), by = indexer]

#plyr approach
ddply(dat, "indexer", summarize, V1 = cumsum(value))

库（data.table）
图书馆（plyr）
#在大多数情况下，data.table与data.frame是一样的
#假数据
dat在数据框中添加“组”列。比如：

df=data.frame(z=rnorm(100)) # dummy data
df$dir = sign(df$z) # dummy +/- 1
rl = rle(df$dir)
df$group = rep(1:length(rl$lengths),times=rl$lengths)

然后使用tapply在组内求和：

tapply(df$z,df$group,sum)

Spacedman和Chase都强调了一个关键点，即分组变量简化了一切（Chase给出了两种很好的方法，可以从中着手）

我将引入另一种形成分组变量的方法。它不使用
rle
，至少对我来说，感觉更直观。基本上，在
diff（）
检测到值变化的每个点上，将构成分组变量的
cumsum
都会递增一：

df$group <- c(0, cumsum(!(diff(df$dir)==0)))

# Or, equivalently
df$group <- c(0, cumsum(as.logical(diff(df$dir))))

df$group您能提供一些示例数据吗？那会有帮助的。如果我误解了你的数据框的结构，请告诉我。您可以使用
dput（yourDataHere）
的输出更新您的问题。如果太大，使用
subset（）
或
head（）
将示例设置为适当的大小。很好，但我认为OP希望在每个组内重新开始累积总和（而不是分组总和）。这就是为什么我们喜欢问题中重复的示例：）事实上，他非常接近。哈利路亚，兄弟！我还希望有一个功能可以通过StackOverflow的搜索引擎运行
粘贴（[r]，title\u of\u question）
，并在提供“提交”按钮之前返回结果。这对于细化涉及
“数字”
、
“四舍五入”
、和
“NA”
）的问题非常有用（这不是对当前问题的抱怨，这是一个有趣的问题，在发布前经过深思熟虑）在我的博客上，我发布了一篇比较ave、ddply和data.table的文章：@paul-我的直觉似乎证实了你的博客文章。在大多数情况下，当N变大时，data.table以许多数量级的速度最快。我对plyr比较满意，但是最近一直在重构瓶颈。Hadley Wickham（plyr作者）回应我文章中的代码示例时说，plyr的新版本将使用data.table之类的速度增强功能。因此，也许不久之后，速度差异将得到解决：）。
df$group <- c(0, cumsum(!(diff(df$dir)==0)))

# Or, equivalently
df$group <- c(0, cumsum(as.logical(diff(df$dir))))