是否有一个 R 函数来提取重复的数字行？答案

【问题标题】：Is there an R function to extract repeating rows of numbers?是否有一个 R 函数来提取重复的数字行？
【发布时间】：2021-11-17 01:43:36
【问题描述】：

我希望从表中提取时间点。输出应该是从第 2 列开始的秒数和系列的持续时间。但仅当阶段持续至少 3 分钟时才输出（如果您查看 seconds 列），因此在 stage 列的连续 6 行以上重复阶段 0、1、2、3 或 5。

所以在这种情况下，0 系列不符合条件，而以下 1 系列符合条件。期望的输出是：150, 8 从时间点 150 开始，持续 8 行。

我正在尝试rle()，但还没有成功..

Stage	Seconds
0	0
0	30
0	60
0	90
0	120
1	150
1	180
1	210
1	240
1	270
1	300
1	330
1	360
1	390
0	420

【问题讨论】：

嗨@Slevin！您描述了两个看似不同的保留一组标准：（1）“舞台持续至少 3 分钟”和（2）“重复 [...] 舞台 [...] 超过 6 行”。两者同时为真吗？此外，由于您提到rle，我认为“阶段”的连续序列很重要。您能否尝试在您的问题中澄清这一点。谢谢！
嘿@Henrik！这两个标准基本上是相同的，只是看两个不同的列，因为重复超过 6 行等于 3 分钟的持续时间。！而且，是的，当然是连续序列，解决了这个问题

标签： r csv

【解决方案1】：

不确定这对您的数据有多大的代表性。这可能是使用dplyr的一个选项

library(dplyr)

df %>% 
  mutate(grp = c(0, cumsum(abs(diff(stage))))) %>% 
  filter(stage == 1) %>% 
  group_by(grp) %>% 
  mutate(count = n() - 1) %>% 
  filter(row_number() == 1, count >= 6) %>% 
  ungroup() %>% 
  select(-c(grp, stage))

#> # A tibble: 4 x 2
#>   seconds count
#>     <dbl> <dbl>
#> 1     960    16
#> 2    1500     7
#> 3    2040    17
#> 4    2670    10

^{由reprex package (v2.0.0) 于 2021 年 9 月 23 日创建}

数据

set.seed(123)

df <- data.frame(stage = sample(c(0, 1), 100, replace = TRUE, prob = c(0.2, 0.8)),
                 seconds = seq(0, by = 30, length.out = 100))

【讨论】：

【解决方案2】：

类似于this answer，您可以将data.table::rleid()与dplyr一起使用

df <- structure(list(Stage = c(0L, 0L, 0L, 0L, 0L, 1L, 1L, 1L, 1L, 
                               1L, 1L, 1L, 1L, 1L, 0L), Seconds = c(0L, 30L, 60L, 90L, 120L, 
                                                              150L, 180L, 210L, 240L, 270L, 300L, 330L, 360L, 390L, 420L)), class = "data.frame", row.names = c(NA, 
                                                                                                                                                                -15L))
library(dplyr)
library(data.table)


df %>%
  filter(Seconds > 0) %>%
  group_by(grp = rleid(Stage)) %>%
  filter(n() > 6)
#> # A tibble: 9 x 3
#> # Groups:   grp [1]
#>   Stage Seconds   grp
#>   <int>   <int> <int>
#> 1     1     150     2
#> 2     1     180     2
#> 3     1     210     2
#> 4     1     240     2
#> 5     1     270     2
#> 6     1     300     2
#> 7     1     330     2
#> 8     1     360     2
#> 9     1     390     2

^{由reprex package (v2.0.0) 于 2021 年 9 月 23 日创建}

【讨论】：