R：压缩索引

我有一个向量，如下所示：

xx <- c(1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 1, 1, 1, 1)

---

大概是这样的吧

if (xx[1] == 1) {
    rr <- cumsum(c(0, rle(xx)$lengths))
} else {
    rr <- cumsum(rle(xx)$lengths)
}
if (length(rr) %% 2 == 1) {
    rr <- head(rr, -1)
}
oo <- matrix(rr, ncol=2, byrow=TRUE)
oo[, 1] <- oo[, 1] + 1
     [,1] [,2]
[1,]    1    6
[2,]   11   14

if（xx[1]==1）{
rr因为这个问题最初有一个标签“生物信息学”，我要提到这个软件包（它是基因组范围的伴侣）

其他操作可能在
Rle
上启动，例如

> xx = c(2,2,2,3,3,3,0,0,0,0,4,4,1,1)
> r = Rle(xx)
> m = cbind(start(r), end(r))[runValue(r) != 0,,drop=FALSE]
> m
     [,1] [,2]
[1,]    1    3
[2,]    4    6
[3,]   11   12
[4,]   13   14

查看帮助页面
？Rle了解
Rle
类的全部灵活性；要从上面的矩阵转到下面的注释中要求的新Rle，可以创建一个适当长度的新Rle，然后使用IRanges作为索引分配子集

> r = Rle(0L, max(m))
> r[IRanges(m[,1], m[,2])] = 1L
> r
integer-Rle of length 14 with 3 runs
  Lengths: 6 4 4
  Values : 1 0 1

我们可以把它扩展成一个完整的向量

> as(r, "integer")
 [1] 1 1 1 1 1 1 0 0 0 0 1 1 1 1

但通常最好继续对Rle进行分析。该类非常灵活，因此从
xx
到1和0的整数向量的一种方法是

> as(Rle(xx) > 0, "integer")
 [1] 1 1 1 1 1 1 0 0 0 0 1 1 1 1

不过，再次强调的是，呆在Rle空间通常是有意义的。而且，对于你的单独问题的答案可能是最好的

性能（速度）很重要，尽管在这种情况下，我认为Rle类提供了很大的灵活性，这会对性能不佳产生不利影响，而对于典型的分析来说，最终出现在矩阵上是不太可能的终点

eddi <- function(xx)
    matrix(which(diff(c(0,xx,0)) != 0) - c(0,1),
           ncol = 2, byrow = TRUE)

iranges = function(xx) {
    sl = slice(Rle(xx), 1)
    matrix(c(start(sl), end(sl)), ncol=2)
}

iranges.1 = function(xx) {
    r = Rle(xx)
    cbind(start(r), end(r))[runValue(r) != 0, , drop=FALSE]
}

另一个简短的例子：

cbind(start = which(diff(c(0, xx)) == +1),
      end   = which(diff(c(xx, 0)) == -1))
#      start end
# [1,]     1   6
# [2,]    11  14

我在一个很长的向量上进行了测试，它比使用
rle
稍微慢一点。但是更具可读性。如果速度确实是一个问题，您还可以：

xx.diff <- diff(c(0, xx, 0))
cbind(start = which(head(xx.diff, -1) == +1),
      end   = which(tail(xx.diff, -1) == -1))
#      start end
# [1,]     1   6
# [2,]    11  14

xx.diff这里是另一个基于其他人想法的解决方案，它稍微短一些，速度更快一些：

matrix(which(diff(c(0,xx,0)) != 0) - c(0,1), ncol = 2, byrow = T)
#     [,1] [,2]
#[1,]    1    6
#[2,]   11   14

我没有测试非基本解决方案，但下面是基本解决方案的比较：

xx = sample(c(0,1), 1e5, T)
microbenchmark(arun(xx), flodel(xx), flodel.fast(xx), eddi(xx))
#Unit: milliseconds
#            expr       min        lq    median        uq       max neval
#        arun(xx) 14.021134 14.181134 14.246415 14.332655 15.220496   100
#      flodel(xx) 12.885134 13.186254 13.248334 13.432974 14.367695   100
# flodel.fast(xx)  9.704010  9.952810 10.063691 10.211371 11.108171   100
#        eddi(xx)  7.029448  7.276008  7.328968  7.439528  8.361609   100

如果我有xx=c（2,2,2,3,3,3,0,0,0,4,4,1,1），我想得到一个4x2矩阵中的13,4,6,11,12和13,14会怎么样？@user1938809我已经把它添加到了响应中。我可以问一下如何从1,3,4,6,11,12和13,14转换成向量形式（1,1,1,1,1,1,0,0,0,0,1,1,1）假设您知道向量大小为14，则不使用任何循环。使用循环速度很慢。谢谢。@user1938809查看帮助页面？Rle了解可以做什么；我为您的特定问题添加了更多内容fwiw我在回答中添加了IRanges计时。很好！这真是令人惊讶
xx.diff <- diff(c(0, xx, 0))
cbind(start = which(head(xx.diff, -1) == +1),
      end   = which(tail(xx.diff, -1) == -1))
#      start end
# [1,]     1   6
# [2,]    11  14

matrix(which(diff(c(0,xx,0)) != 0) - c(0,1), ncol = 2, byrow = T)
#     [,1] [,2]
#[1,]    1    6
#[2,]   11   14

xx = sample(c(0,1), 1e5, T)
microbenchmark(arun(xx), flodel(xx), flodel.fast(xx), eddi(xx))
#Unit: milliseconds
#            expr       min        lq    median        uq       max neval
#        arun(xx) 14.021134 14.181134 14.246415 14.332655 15.220496   100
#      flodel(xx) 12.885134 13.186254 13.248334 13.432974 14.367695   100
# flodel.fast(xx)  9.704010  9.952810 10.063691 10.211371 11.108171   100
#        eddi(xx)  7.029448  7.276008  7.328968  7.439528  8.361609   100