计算R中数据框中每一行的前导零和尾随零答案

【问题标题】：counting leading & trailing zeros for every row in a dataframe in R计算R中数据框中每一行的前导零和尾随零
【发布时间】：2021-10-31 03:20:45
【问题描述】：

我正在尝试分析每行代表一个时间序列的数据框。我的 df 结构如下：

df <- data.frame(key = c("10A", "11xy", "445pe"), 
                 Obs1 = c(0, 22, 0),
                 Obs2 = c(10, 0, 0),
                 Obs3 = c(0,  3, 5),
                 Obs4 = c(0, 10, 0)
)

我现在想创建一个新的数据框，其中每一行再次代表键，列包含以下结果：

“TotalZeros”：计算每行的零总数 (=key)
“LeadingZeros”：计算每行第一个非零 obs 之前的零数

这意味着我希望最终收到以下数据帧：

key   TotalZeros   LeadingZeros
10A            3              1
11xy           1              0
445pe          3              2

我设法计算了每一行的零总数：

zeroCountDf <- data.frame(key = df$key, TotalNonZeros = rowSums(df ! = 0))

但我正在努力计算LeadingZeros。我找到了如何计算向量中的第一个非零位置，但我不明白如何将这种方法应用于我的数据框：

vec <- c(0,1,1)
min(which(vec != 0)) # returns 2, meaning the second position is first nonzero value

谁能解释如何计算数据框中每一行的前导零？我是 R 新手，感谢任何见解和提示。提前致谢。

【问题讨论】：

标签： r dataframe zero

【解决方案1】：

data.table 选项

setDT(df)[
  , .(
    total_zeros = rowSums(.SD == 0),
    Leading_zeros = which.max(.SD != 0) - 1,
    Trailing_zeros = length(.SD)-max(which(.SD!=0)) 
  ),
  key
]

给予

     key total_zeros Leading_zeros Trailing_zeros
1:   10A           3             1              2
2:  11xy           1             0              0
3: 445pe           3             2              1

【讨论】：

【解决方案2】：

我们可以使用来自matrixStats 的rowCumsums 和rowSums

library(matrixStats)
cbind(df[1], total_zeros = rowSums(df[-1] == 0), 
     Leading_zeros = rowSums(!rowCumsums(df[-1] != 0)))

-输出

     key total_zeros Leading_zeros
1   10A           3              1
2  11xy           1              0
3 445pe           3              2

或者在tidyverse中，我们也可以使用rowwise

library(dplyr)
df %>% 
   mutate(total_zeros = rowSums(select(., starts_with("Obs")) == 0)) %>%
   rowwise %>%
   transmute(key, total_zeros,
       Leading_zeros = sum(!cumsum(c_across(starts_with('Obs')) != 0))) %>%
      ungroup

-输出

# A tibble: 3 x 3
  key   total_zeros Leading_zeros
  <chr>       <dbl>         <int>
1 10A             3             1
2 11xy            1             0
3 445pe           3             2

【讨论】：

rowcumsum 不错！

【解决方案3】：

编辑在解决方案中添加了 Miff 的评论。

这是tidyverse 解决方案：

library(dplyr)
library(tidyr)

df %>% 
  pivot_longer(starts_with("Obs"),
               names_pattern = "Obs(\\d+)") %>% 
  arrange(key, as.integer(name)) %>% 
  group_by(key) %>% 
  summarize(
    leading_zeros = sum(cumsum(abs(value)) == 0),
    total_zeros   = sum(value == 0),
    trailing_zeros = sum(cumsum(abs(value)) == last(cumsum(abs(value)))) - 1)

# A tibble: 3 x 4
  key   leading_zeros total_zeros trailing_zeros
  <chr>         <int>       <int>          <dbl>
1 10A               1           3              2
2 11xy              0           1              0
3 445pe             2           3              1

【讨论】：

可能不太可能，但如果您同时有正数和负数，sum(cumsum(value) == 0) 可能会多计，因此sum(cumsum(abs(value)) == 0) 会更稳健
你是对的。我在解决方案中添加了abs。