如果前一个元素在R中也是TRUE，那么如何计算数据帧中TRUE语句的数量？

我有以下虚拟数据：

data <- data.frame(c("FALSE","FALSE","TRUE","TRUE","TRUE","FALSE","FALSE","TRUE","FALSE"))

---

data在向量上写一个简单的循环来计算对的类型怎么样

x在向量上写一个简单的循环来计算对的类型怎么样

x您可以使用
table
将值与滞后值进行比较：

表格（先前=数据[[1]][-1]，当前=数据[[1]][-nrow（数据）]）
#>当前
#>以前的假真
#>错误2
#>真实2 2

或者，如果你想变得花哨：

as.data.frame（表（先前=数据[[1]][-1]，当前=数据[[1]][-nrow（数据）]）
#>以前的当前值
#>1假2假
#>2对错2
#>3假与真2
#>4正确的2
您可以使用
表
将值与滞后值进行比较：

表格（先前=数据[[1]][-1]，当前=数据[[1]][-nrow（数据）]）
#>当前
#>以前的假真
#>错误2
#>真实2 2

或者，如果你想变得花哨：

as.data.frame（表（先前=数据[[1]][-1]，当前=数据[[1]][-nrow（数据）]）
#>以前的当前值
#>1假2假
#>2对错2
#>3假与真2
#>4正确的2
根据数据的大小，循环方法可能会变慢。这是一种
dplyr
方法。可能没有使用
table（）
那么快

数据%
分组依据（变量、滞后）%>%
过滤器（完整。案例（滞后））%>%
汇总（计数=n（））%>%
变异（标签=粘贴（“n_908;”，as.numeric（var），as.numeric（lag），sep=”“）%>%
选择（标签、计数）
根据数据的大小，循环方法可能会变慢。这是一种
dplyr
方法。可能没有使用
table（）
那么快

数据%
分组依据（变量、滞后）%>%
过滤器（完整。案例（滞后））%>%
汇总（计数=n（））%>%
变异（标签=粘贴（“n_908;”，as.numeric（var），as.numeric（lag），sep=”“）%>%
选择（标签、计数）
非常感谢，这个循环非常有用！我用更多的数据（大约100个）进行了测试，并手动进行了检查。谢谢！很高兴这有帮助！在这篇文章中有很多好的答案。请选择您最喜欢的并正式“接受”解决方案。非常感谢，此循环非常有用！我用更多的数据（大约100个）进行了测试，并手动进行了检查。谢谢！很高兴这有帮助！在这篇文章中有很多好的答案。请选择您最喜欢的并正式“接受”解决方案。非常感谢您的支持，它还能够输出正确的数字！也非常感谢你的这一个，它还设法输出正确的数字，我正在寻找！还感谢这一个，不幸的是，我相信这里的代码输出的不是其他两个示例。它统计的真实/真实观察值比实际存在的多，而真实/虚假和虚假/真实值较少。这可能是因为将两个向量相加的滞后方法没有考虑到达到TRUE状态时的顺序/方式。@Erich it为每个向量输出2-如值列所示。这正是您在预期输出中显示的内容。你不需要一个循环来解决这个问题。也感谢这一个，不幸的是，我相信这里的代码输出的不是其他两个示例。它统计的真实/真实观察值比实际存在的多，而真实/虚假和虚假/真实值较少。这可能是因为将两个向量相加的滞后方法没有考虑到达到TRUE状态时的顺序/方式。@Erich it为每个向量输出2-如值列所示。这正是您在预期输出中显示的内容。你不需要一个循环来解决这个问题。
data <- data.frame( var = c("FALSE", "FALSE", "TRUE", "TRUE", "TRUE", "FALSE", "FALSE", "TRUE", "FALSE"))
data$var <- as.logical(data$var)
data %>% 
   mutate(lag = lag(var)) %>%
   group_by(var, lag) %>%
   filter(complete.cases(lag)) %>%
   summarise(count = n()) %>%
   mutate(label = paste("n_", as.numeric(var), as.numeric(lag), sep ="")) %>%
   select(label, count)