根据列中连续值形成的模式从数据框中选择行

Question

我的 R 水平一般，希望对以下操作有所帮助。

假设我有以下数据框：

    >df
    ID   Label
    P1   M
    P1   S
    P2   M
    P2   M
    P2   S
    P3   M
    P3   S
    P3   M
    P4   S
    P4   M
    P5   M
    P5   M
    P5   S

我希望能够针对每个 ID 选择出现在变量 Label 的特定序列中的行。

对于模式"MS"，预期输出为

    ID   Label
    P1   M
    P1   S
    P2   M
    P2   S
    P3   M
    P3   S

对于模式"MMS"，预期的输出将是

    ID   Label
    P2   M
    P2   M
    P2   S
    P5   M
    P5   M
    P5   S

对于模式"SM"，预期输出为：

    ID   Label
    P3   S
    P3   M
    P4   S
    P4   M

请考虑这样一个事实，即我正在处理的数据有很多行，并且我需要构建的解决方案需要适用于任意长度的模式。 （例如“MSS”、“SM”、“MMSSMS”等）。我虚心地请求您的帮助。

编辑：我已经更新了这个问题（示例数据框和模式"MMS" 的输出示例。我想补充一点，我希望在使用ID 变量对数据进行分组后进行模式匹配，这样模式就可以在ID分组的数据组中找到。抱歉第一次没有搞清楚。

最终编辑：@akrun、@boski 和 @tmfmnk 的回答对我有用。与@tmfmnk 的解决方案（在 40 万行数据上约 29 秒）相比，@boski 和@akrun 的解决方案在执行时间上更快（在 40 万行数据上约 2-10 秒）。我建议读者参考所有这三个解决方案。

Answer 1

一种选择是比较 lead 值并获取按“ID”分组的索引

library(data.table)
i1 <- unique(setDT(df)[, lapply(which(Reduce(`&`, 
  Map(`==`, shift(Label, n = 0:2, type = "lead"), c("M", "M", "S")))), 
       function(i) .I[i:(i+2)]) , by = ID]$V1)
df[i1]
#    ID Label
#1: P2     M
#2: P2     M
#3: P2     S
#4: P5     M
#5: P5     M
#6: P5     S

数据

df <- structure(list(ID = c("P1", "P1", "P2", "P2", "P2", "P3", "P3", 
"P3", "P4", "P4", "P5", "P5", "P5"), Label = c("M", "S", "M", 
"M", "S", "M", "S", "M", "S", "M", "M", "M", "S")), 
class = "data.frame", row.names = c(NA, -13L))

Answer 2

您可以尝试使用gregexpr()。先粘贴所有标签，找到你要找的图案的起始位置。

> df
   ID Label
1  P1     M
2  P1     S
3  P2     M
4  P2     M
5  P2     S
6  P3     M
7  P3     S
8  P3     S
9  P4     S
10 P4     M
11 P5     M
12 P5     M
13 P5     S

编辑

我之前的解决方案没有检索到整个模式（只是开始）。

pattern="SM"
starts=gregexpr(pattern=pattern,paste(df$Label,collapse=""))[[1]]
positions=as.vector(sapply(starts,function(x){ 
  s=seq(x,x+nchar(pattern)-1)
  if (all(df$ID[s]==df$ID[x])){
    return(s)
  } else {return(rep(NA,nchar(pattern)))}
  }))
positions=positions[which(!is.na(positions))]

df[positions,]
df[positions,]
   ID Label
1  P1     M
2  P1     S
4  P2     M
5  P2     S
6  P3     M
7  P3     S
12 P5     M
13 P5     S

pattern="MMS"
   ID Label
3  P2     M
4  P2     M
5  P2     S
11 P5     M
12 P5     M
13 P5     S

pattern="SM"
   ID Label
9  P4     S
10 P4     M

Answer 3

原始问题的一个基本解决方案可能是：

nchar <- nchar("MS")
x <- grepRaw("MS", paste(df$Label, collapse = ""), all = TRUE)
y <- rep(x, each = nchar) + 0:(nchar - 1)

df[1:nrow(df) %in% y, ]

  ID Label
1 P1     M
2 P1     S
4 P2     M
5 P2     S
6 P3     M
7 P3     S

nchar <- nchar("SM")
x <- grepRaw("SM", paste(df$Label, collapse = ""), all = TRUE)
y <- rep(x, each = nchar) + 0:(nchar - 1)

df[1:nrow(df) %in% y, ]

   ID Label
2  P1     S
3  P2     M
5  P2     S
6  P3     M
9  P4     S
10 P4     M

或者写成dplyr的形式：

nchar <- nchar("MS")
df %>%
 filter(row_number() %in% c(rep(grepRaw("MS", paste(Label, collapse = ""), all = TRUE), 
            each = nchar) + 0:(nchar - 1)))

   ID Label
1  P1     M
2  P1     S
3  P2     M
4  P2     S
5  P3     M
6  P3     S
7  P3     M
8  P4     S
9  P5     M
10 P5     S

还解决了问题的编辑：

nchar <- nchar("MS")
df %>%
 group_by(ID) %>%
 filter(row_number() %in% c(rep(grepRaw("MS", paste(Label, collapse = ""), all = TRUE), 
            each = nchar) + 0:(nchar - 1)))

  ID    Label
  <fct> <fct>
1 P1    M    
2 P1    S    
3 P2    M    
4 P2    S    
5 P3    M    
6 P3    S    
7 P5    M    
8 P5    S