为连续值创建组名答案

【问题标题】：Create group names for consecutive values为连续值创建组名
【发布时间】：2016-10-15 00:19:47
【问题描述】：

看起来很简单，想不出更简单的方法。我在下面有一个x 向量，需要为连续值创建组名。我的尝试是使用rle，有更好的想法吗？

# data
x <- c(1,1,1,2,2,2,3,2,2,1,1)

# make groups
rep(paste0("Group_", 1:length(rle(x)$lengths)), rle(x)$lengths)
# [1] "Group_1" "Group_1" "Group_1" "Group_2" "Group_2" "Group_2" "Group_3" "Group_4"
# [9] "Group_4" "Group_5" "Group_5"

【问题讨论】：

为什么不直接使用粘贴？paste0('groupe_', c(1,1,1,2,2,2,3,2,2,1,1))
因为如果直接粘贴最后两组将是2和1而不是4和5
@MamounBenghezal 请检查预期输出，首先1 是Group_1，最后1 是Group_5
不错的尝试。 rle 源代码中的一个关键行使用了diff，正如@Roland 在下面所做的那样。
@CarlWitthoft 名称与值的顺序相同，因此直接映射，即：names(x) <- myGroups。我的实际数据是 data.frame，所以我可以应用相同的数据并为聚合函数创建一个 Group 列。

标签： r run-length-encoding

【解决方案1】：

使用来自data.table 的rleid，

library(data.table)

rleid(x, prefix = "Group_")
#[1] "Group_1" "Group_1" "Group_1" "Group_2" "Group_2" "Group_2" "Group_3" "Group_4" "Group_4" "Group_5" "Group_5"

【讨论】：

【解决方案2】：

使用diff 和cumsum：

paste0("Group_", cumsum(c(1, diff(x) != 0)))
#[1] "Group_1" "Group_1" "Group_1" "Group_2" "Group_2" "Group_2" "Group_3" "Group_4" "Group_4" "Group_5" "Group_5"

（如果您的值是浮点值，您可能必须避免使用!= 并改用容差。）

【讨论】：

如果它们可能不是数字 - paste0("Group_", cumsum(c(TRUE, head(x,-1)!=tail(x,-1))))
我的数字没有浮点数，所以!=应该没问题，但是你说的容差是什么意思？
abs(diff(x)) < tol 和 tol 基于 help(".Machine")。
很好 - 我猜这比 rle(x) 更快并处理输出。 OTOH，我想知道如何将组名映射到运行，在这种情况下不妨使用rle(x)$lengths。

【解决方案3】：

使用 cumsum 但不依赖于数字数据：

paste0("Group_", 1 + c(0, cumsum(x[-length(x)] != x[-1])))


[1] "Group_1" "Group_1" "Group_1" "Group_2" "Group_2" "Group_2" "Group_3" "Group_4" "Group_4" "Group_5" "Group_5"

【讨论】：

【解决方案4】：

group() from groupdata2 可以使用l_starts 方法从组起点列表创建组。通过将n设置为auto，它会自动查找组开始：

x <- c(1,1,1,2,2,2,3,2,2,1,1)
groupdata2::group(x, n = "auto", method = "l_starts")

## # A tibble: 11 x 2
## # Groups:   .groups [5]
##     data .groups
##    <dbl> <fct>  
##  1     1 1      
##  2     1 1      
##  3     1 1      
##  4     2 2      
##  5     2 2      
##  6     2 2      
##  7     3 3      
##  8     2 4      
##  9     2 4      
## 10     1 5      
## 11     1 5

还有一个 differs_from_previous() 函数可以查找与前一个值相差某个阈值的值或值的索引。

# The values to start groups at
differs_from_previous(x, threshold = 1,
                      direction = "both")
## [1] 2 3 2 1

# The indices to start groups at
differs_from_previous(x, threshold = 1,
                      direction = "both",
                      return_index = TRUE)
## [1] 4 7 8 10

【讨论】：