使用rle消除第一个和最后一个序列
我试图使用使用rle消除第一个和最后一个序列,r,dplyr,data.table,run-length-encoding,R,Dplyr,Data.table,Run Length Encoding,我试图使用rle()(或其他相关函数)解决R的问题,但不确定从何处开始。问题如下-foo、bar和baz和qux可以位于三个位置之一-A、B或C 它们的第一个位置总是A,最后一个位置总是C,但它们之间的位置是随机的 我的目标是消除第一个A或A的第一个序列,以及最后一个C或C的最后一个序列。例如: > foo position 1 A 2 A 3 A 4 B 5 B 6 A 7
rle()
(或其他相关函数)解决R的问题,但不确定从何处开始。问题如下-foo
、bar
和baz
和qux
可以位于三个位置之一-A
、B
或C
它们的第一个位置总是A
,最后一个位置总是C
,但它们之间的位置是随机的
我的目标是消除第一个A或A的第一个序列,以及最后一个C或C的最后一个序列。例如:
> foo
position
1 A
2 A
3 A
4 B
5 B
6 A
7 B
8 A
9 C
10 C
> output(foo)
position
4 B
5 B
6 A
7 B
8 A
> bar
position
1 A
2 B
3 A
4 B
5 A
6 C
7 C
8 C
9 C
10 C
> output(bar)
position
2 B
3 A
4 B
5 A
> baz
position
1 A
2 A
3 A
4 A
5 A
6 C
7 C
8 C
9 C
10 C
> output(baz)
NULL
> qux
position
1 A
2 C
3 A
4 C
5 A
6 C
> output(qux)
position
2 C
3 A
4 C
5 A
Basicrle()
将告诉我序列及其长度,但它不会保留行索引。如何着手解决这个问题
> rle(foo$position)
Run Length Encoding
lengths: int [1:6] 3 2 1 1 1 2
values : chr [1:6] "A" "B" "A" "B" "A" "C"
我将使用
cumsum
编写一个函数,其中检查有多少第一个连续值以first_position
开头,以及有多少最后一个连续值以last_position
开头,并将其删除
get_reduced_data <- function(dat, first_position, last_position) {
dat[cumsum(dat != first_position) != 0 &
rev(cumsum(rev(dat) != last_position) != 0)]
}
get_reduced_data(foo, first_position, last_position)
#[1] "B" "B" "A" "B" "A"
get_reduced_data(bar, first_position, last_position)
#[1] "B" "A" "B" "A"
get_reduced_data(baz, first_position, last_position)
#character(0)
get_reduced_data(qux, first_position, last_position)
#[1] "C" "A" "C" "A"
get\u reduced\u data这里有一个带有rle
的选项。想法是将第一个和最后一个值子集,检查它是否等于'A','C',将其分配给NA
,并将其转换为逻辑向量
,用于子集
i1 <- !is.na(inverse.rle(within.list(rle(foo$position),
values[c(1, length(values))][values[c(1, length(values))] == c("A", "C")] <- NA)))
foo[i1, , drop = FALSE]
# position
#4 B
#5 B
#6 A
#7 B
#8 A
i1不使用rle
的另一种可能的解决方案,通过在非A和非C的第一次出现和最后一次出现之间创建索引和子集行:
library(data.table)
output <- function(DT) {
DT[, rn:=.I][,{
mn <- min(which(position!="A"))
mx <- max(which(position!="C"))
if (mn > mx) return(NULL)
.SD[mn:mx]
}]
}
output(setDT(foo))
# position rn
#1: B 4
#2: B 5
#3: A 6
#4: B 7
#5: A 8
output(setDT(baz))
#NULL
库(data.table)
输出一种方法可以是
library(data.table)
setDT(df)[, grp := rleid(position)][
!(grp == 1 & position == 'A' | grp == max(grp) & position == 'C'), ][
, grp := NULL][]
这就给了,
这个问题似乎是双重的。修剪“第一个”和“最后一个”元素,并确定“第一个”和“最后一个”的组成部分。我喜欢您的rle()
方法,因为它将许多可能性映射到一个公共结构中。因此,任务是编写一个函数来屏蔽任意长度向量的第一个和最后一个元素
mask_end = function(x) {
n = length(x)
mask = !logical(n)
mask[c(min(1, n), max(0, n))] = FALSE # allow for 0-length x
mask
}
这很容易进行全面测试
> mask_end(integer(0))
logical(0)
> mask_end(integer(1))
[1] FALSE
> mask_end(integer(2))
[1] FALSE FALSE
> mask_end(integer(3))
[1] FALSE TRUE FALSE
> mask_end(integer(4))
[1] FALSE TRUE TRUE FALSE
解决方案(返回掩码;易于修改以返回实际值,x[inverse.rle(r)]
)如下所示
处理好康纳的案子。这不适用于baz
。谢谢,@mt1022。我没有注意到右边的滚动条,在baz
和qux
position
1: B
2: B
3: A
4: B
5: A
mask_end = function(x) {
n = length(x)
mask = !logical(n)
mask[c(min(1, n), max(0, n))] = FALSE # allow for 0-length x
mask
}
> mask_end(integer(0))
logical(0)
> mask_end(integer(1))
[1] FALSE
> mask_end(integer(2))
[1] FALSE FALSE
> mask_end(integer(3))
[1] FALSE TRUE FALSE
> mask_end(integer(4))
[1] FALSE TRUE TRUE FALSE
mask_end_runs = function(x) {
r = rle(x)
r$values = mask_end(r$values)
inverse.rle(r)
}