dplyr-在同一列中连续出现，标签取决于出现的次数
我想使用R的dplyr-在同一列中连续出现，标签取决于出现的次数,r,dplyr,data.table,R,Dplyr,Data.table,我想使用R的dplyr和data.table来计算同一列（Temperature）中连续出现的次数，并将连续出现的次数3标记为“Discard” 扩展OP解决方案以同时使用dplyr和数据。表选项如下： library(dplyr) library(data.table) df %>% group_by(Store,RTU) %>% mutate(Flag = rleid(Temperature)) %>% group_by(Flag) %>% mutate(F
dplyrdata.tableTemperaturedplyr数据。表library(dplyr)
library(data.table)
df %>% group_by(Store,RTU) %>% mutate(Flag = rleid(Temperature)) %>%
group_by(Flag) %>%
mutate(Flag_Temperature_check = ifelse(row_number() <= 3, "Ok","Discard"))
# # A tibble: 18 x 6
# # Groups: Flag [6]
# Time Store RTU Temperature Flag Flag_Temperature_check
# <int> <int> <int> <int> <int> <chr>
# 1 1 1000 1 54 1 Ok
# 2 2 1000 1 54 1 Ok
# 3 3 1000 1 54 1 Ok
# 4 4 1000 1 54 1 Discard
# 5 5 1000 1 54 1 Discard
# 6 6 1000 1 56 2 Ok
# 7 7 1000 1 57 3 Ok
# 8 8 1000 1 50 4 Ok
# 9 9 1000 1 50 4 Ok
# 10 10 1000 1 50 4 Ok
# 11 11 1000 1 50 4 Discard
# 12 12 1000 1 50 4 Discard
# 13 13 1000 1 61 5 Ok
# 14 14 1000 1 61 5 Ok
# 15 15 1000 1 61 5 Ok
# 16 16 1000 1 61 5 Discard
# 17 17 1000 1 61 5 Discard
# 18 18 1000 1 58 6 Ok
库（dplyr）
库（数据表）
df%%>%分组依据（存储，RTU）%%>%变异（标志=rleid（温度））%%>%
分组依据（标志）%>%
mutate（Flag_Temperature_check=ifelse（row_number（）扩展OP的解决方案以同时使用dplyr
和数据。表
中的一个选项可以是：
library(dplyr)
library(data.table)
df %>% group_by(Store,RTU) %>% mutate(Flag = rleid(Temperature)) %>%
group_by(Flag) %>%
mutate(Flag_Temperature_check = ifelse(row_number() <= 3, "Ok","Discard"))
# # A tibble: 18 x 6
# # Groups: Flag [6]
# Time Store RTU Temperature Flag Flag_Temperature_check
# <int> <int> <int> <int> <int> <chr>
# 1 1 1000 1 54 1 Ok
# 2 2 1000 1 54 1 Ok
# 3 3 1000 1 54 1 Ok
# 4 4 1000 1 54 1 Discard
# 5 5 1000 1 54 1 Discard
# 6 6 1000 1 56 2 Ok
# 7 7 1000 1 57 3 Ok
# 8 8 1000 1 50 4 Ok
# 9 9 1000 1 50 4 Ok
# 10 10 1000 1 50 4 Ok
# 11 11 1000 1 50 4 Discard
# 12 12 1000 1 50 4 Discard
# 13 13 1000 1 61 5 Ok
# 14 14 1000 1 61 5 Ok
# 15 15 1000 1 61 5 Ok
# 16 16 1000 1 61 5 Discard
# 17 17 1000 1 61 5 Discard
# 18 18 1000 1 58 6 Ok
库（dplyr）
库（数据表）
df%%>%分组依据（存储，RTU）%%>%变异（标志=rleid（温度））%%>%
分组依据（标志）%>%
突变（标记温度检查=ifelse（行编号（）使用数据。表：
library(data.table)
setDT(df)
df[,
Comment := ifelse(seq_len(.N) <= 3, 'OK', 'Discard'),
.(Store, RTU, rleid(Temperature))
][]
# Time Store RTU Temperature Comment
# 1: 1 1000 1 54 OK
# 2: 2 1000 1 54 OK
# 3: 3 1000 1 54 OK
# 4: 4 1000 1 54 Discard
# 5: 5 1000 1 54 Discard
# 6: 6 1000 1 56 OK
# 7: 7 1000 1 57 OK
# 8: 8 1000 1 50 OK
# 9: 9 1000 1 50 OK
#10: 10 1000 1 50 OK
#11: 11 1000 1 50 Discard
#12: 12 1000 1 50 Discard
#13: 13 1000 1 61 OK
#14: 14 1000 1 61 OK
#15: 15 1000 1 61 OK
#16: 16 1000 1 61 Discard
#17: 17 1000 1 61 Discard
#18: 18 1000 1 58 OK
库（data.table）
setDT（df）
df[,，
注释：=ifelse（seq_len（.N）使用数据。表
：
library(data.table)
setDT(df)
df[,
Comment := ifelse(seq_len(.N) <= 3, 'OK', 'Discard'),
.(Store, RTU, rleid(Temperature))
][]
# Time Store RTU Temperature Comment
# 1: 1 1000 1 54 OK
# 2: 2 1000 1 54 OK
# 3: 3 1000 1 54 OK
# 4: 4 1000 1 54 Discard
# 5: 5 1000 1 54 Discard
# 6: 6 1000 1 56 OK
# 7: 7 1000 1 57 OK
# 8: 8 1000 1 50 OK
# 9: 9 1000 1 50 OK
#10: 10 1000 1 50 OK
#11: 11 1000 1 50 Discard
#12: 12 1000 1 50 Discard
#13: 13 1000 1 61 OK
#14: 14 1000 1 61 OK
#15: 15 1000 1 61 OK
#16: 16 1000 1 61 Discard
#17: 17 1000 1 61 Discard
#18: 18 1000 1 58 OK
库（data.table）
setDT（df）
df[,，
注释：=ifelse（seq_len（.N）我想将前3个连续出现的事件标记为“OK”，4+我想标记为“Discard”。在您的示例中，时间1-3在标志温度检查列中会有“OK”。虽然它对示例数据没有影响，但我怀疑OP需要分组依据（标志，add=TRUE）
@halfmegle抱歉。问题是我没有使用行号（）
。而是检查了n（）
。我真的很傻。@halfmeggle如果您愿意，您可以删除分析中需要的其他列。我很欣赏创建data.frame的清晰解释和代码。这使事情变得更简单。@halfmeggle让一些聊天信息变得清晰，以供将来的用户使用。谢谢我想将前3个连续出现的事件标记为“OK”和4+我想标记为“Discard”。在您的示例中，时间1-3将在Flag\u Temperature\u Check列中显示“OK”。虽然它对示例数据没有影响，但我怀疑OP需要group\u by（Flag，add=TRUE）
@halfmeggle抱歉。问题是我没有使用行数（）
。而是检查n（）
。我真的很傻。@halfmeggle如果你愿意，你可以删除分析中需要的其他列。我很欣赏创建data.frame的清晰解释和代码。这使事情变得更简单。@halfmeggle让一些聊天信息变得清晰，以供将来的用户使用。谢谢