在R中，多次检查多个值，如果满足条件，求和，跟踪位置，导出数据，然后重复

以下是我的数据样本，它位于矩阵中：

BLOCK  RUNTIME
101    50
101    20
101    -25
101    -40
101    35
101    45
202    25
202    -10
202    -35
202    40
202    50
202    30
202    -20
202    15
.
.
.
n

我的待定代码的预期输出如下：

BLOCK  TIME_CHUNKS
101    70
101    -65
101    80
202    25
202    -45
202    120
202    -20
202    15

我希望代码做什么来获得输出：只要后续行的块值等于当前行的块值，并且只要后续行的运行时值是相同的符号，就将它们求和，并使用块值和求和值填充表中的新行。然后从你停下来的地方继续。在示例数据中，前两行（50、20）相加并写入表中。然后，运行时符号切换，两行（-25，-40）为常量，因此这些值相加。然后运行时符号再次切换，三行（35、45、25）为正，但这三行中的最后一行具有不同的块号，因此只有这三行中的前两行被求和并写入表中。继续，直到到达矩阵的末尾

对我来说，做条件语句很容易，但我不知道如何“跟踪”我在矩阵中的位置以重新开始求和过程。我不太熟悉for或while循环，甚至不知道如何在这里使用它们。我可怜地试图编写一个函数，但没有成功

需要自动化这个过程…我有大约10000行数据，可以根据一组场景变量动态生成。每一组变量将为运行时生成一个具有不同值的表，我有很多场景要运行

非常感谢您的帮助

TIME_CHUNKS <- with(df, tapply(RUNTIME, BLOCK, function(x)
  tapply(x, cumsum(c(1, diff(sign(x)) != 0)), sum)))

out <- data.frame(BLOCK = rep.int(unique(df$BLOCK), sapply(TIME_CHUNKS, length)),
                  TIME_CHUNKS = unlist(TIME_CHUNKS), row.names = NULL)

解释 注意

tapply

的嵌套用法。换句话说，上面的代码计算

时间块所做的是：

将每行按
块
分割，并将
x
作为给定块的向量（例如，
x
首先是
c（50,20，-25，-40,35,45）

看起来很古怪的
cumsum（c（1，diff（符号（x））！=0））
只是将我们的区块细分
分成相同有符号数的连续组。即，
diff（sign（x））！=0
给出
TRUE
s和
FALSE
s取决于符号切换与否，并强制转换为整数
与
cumsum
组合产生一个向量，该向量为每个子序列提供不同的数字
使用相同的符号。沿每个子序列应用一个和可以得到我们想要的结果

使用
dplyr
。使用
df
作为@Robert Krzyzanowski的帖子中的数据集

library(dplyr)
 df%>%group_by(BLOCK)%>%
 mutate(n=n(), indx=cumsum(c(T, sign(RUNTIME[-1])!=sign(RUNTIME[-n])))) %>%
 group_by(BLOCK,indx) %>%
 summarize(TIME_CHUNKS=sum(RUNTIME)) %>%
 select(-indx)

 #      BLOCK TIME_CHUNKS
 #1   101          70
 #2   101         -65
 #3   101          80
 #4   202          25
 #5   202         -45
 #6   202         120
 #7   202         -20
 #8   202          15

太好了。我花了一点时间来考虑diff（符号（x）！=0位。如果您想再次提供帮助，我现在正试图找出如何根据块/运行时条件对矩阵中的第三列求和。（“无论何时计算求和的运行时值，也要计算不同列中相同行的和（并将它们写到同一个表中。））只需这样做：
其他块非常感谢。正如你所知，我遇到了另一个问题，我需要根据符号变化的不止一个标准（使用另一列中的数据）分解总和.你的例子让我想到了一个方法，使我能够克服这个障碍。谢谢你！
 BLOCK TIME_CHUNKS
   101          70
   101         -65
   101          80
   202          25
   202         -45
   202         120
   202         -20
   202          15

library(dplyr)
 df%>%group_by(BLOCK)%>%
 mutate(n=n(), indx=cumsum(c(T, sign(RUNTIME[-1])!=sign(RUNTIME[-n])))) %>%
 group_by(BLOCK,indx) %>%
 summarize(TIME_CHUNKS=sum(RUNTIME)) %>%
 select(-indx)

 #      BLOCK TIME_CHUNKS
 #1   101          70
 #2   101         -65
 #3   101          80
 #4   202          25
 #5   202         -45
 #6   202         120
 #7   202         -20
 #8   202          15