R：对矩阵中的连续值进行计数和重新编码答案

【问题标题】：R: counting and recoding consecutive values in a matrixR：对矩阵中的连续值进行计数和重新编码
【发布时间】：2015-05-08 05:10:07
【问题描述】：

我正在处理一个包含大量 NA 的矩阵。我想在一个新矩阵中记录每个 NA 序列的长度。

下面的例子应该更简单。

#Generating a random 5x5 population matrix with 15 NA
M=matrix(sample(1:9,25,T),5)
M[sample(1:length(M),15,F)]=NA
dimnames(M)=list(paste(rep("City",dim(M)[1]),1:dim(M)[1],sep=""),paste(rep("Year",dim(M)[2]),1:dim(M)[2],sep=""))
M

      Year1 Year2 Year3 Year4 Year5
City1     2    NA    NA    NA    NA
City2    NA    NA    NA     6     8
City3     1    NA    NA     6    NA
City4    NA     5    NA    NA     1
City5     8    NA     1    NA     2

所需的输出如下。例如4 4 4 4 表示连续4个NA的序列。

          Year1 Year2 Year3 Year4 Year5
City1     0     4     4     4     4
City2     3     3     3     0     0
City3     0     2     2     0     1
City4     1     0     2     2     0
City5     0     1     0     1     0

你知道我该怎么做吗？

【问题讨论】：

不要忘记你的矩阵“R”将被“字符”类型的对象填充。
在许多方面，实际上可能更适合存储第二个矩阵/一组索引来存储缺失值的位置/类型。也许作为attribute 到M。
好的。所以你完全改变了原来的帖子。因此，以下答案现在完全不在主题范围内。
我对这个问题和编辑有点困惑。最好让原始问题保持不变并接受最合适的答案，无论是否适合您的最终目的并提出新的问题。顺便说一句，我猜你会从包“zoo”中找到na.approx，并在 SO 上搜索“插值/估算缺失值”这样的搜索很有帮助。
很抱歉给您带来了困惑。我将用我最初的问题再次编辑我的帖子，并在不同的帖子中提出新问题。

标签： r matrix recode

【解决方案1】：

不是有史以来最高效的代码：

r1=c(1,1,NA,1,1)
r2=c(1,NA,NA,1,1)
r3=c(1,NA,NA,NA,1)
r4=c(NA,NA,1,1,1)
r5=c(1,1,1,NA,NA)
M=rbind(r1,r2,r3,r4,r5)

就像@Pascal 指出的那样，您的方法会将整个矩阵转换为字符，因此您可以将 1 分配给 0 并执行以下操作：

M[M == 1] <- 0

(xx <- t(apply(M, 1, function(x) {
  s <- sum(is.na(x))
  if (is.na(x[1])) x[is.na(x)] <- rep(4, s) else
    if (is.na(tail(x, 1))) x[is.na(x)] <- rep(5, s) else 
    x[is.na(x)] <- s
  x
})))

#    [,1] [,2] [,3] [,4] [,5]
# r1    0    0    1    0    0
# r2    0    2    2    0    0
# r3    0    3    3    3    0
# r4    4    4    0    0    0
# r5    0    0    0    5    5

这是您想要的输出。如果你不相信我，将 0 转换回 1 并根据整数分配字母

xx[xx > 0] <- letters[xx[xx > 0]]
xx[xx == '0'] <- 1


r1=c(1,1,"a",1,1)
r2=c(1,"b","b",1,1)
r3=c(1,"c","c","c",1)
r4=c("d","d",1,1,1)
r5=c(1,1,1,"e","e")
R=rbind(r1,r2,r3,r4,r5)


identical(R, xx)
# [1] TRUE

【讨论】：

【解决方案2】：

这是应用于每一行的函数的另一个基础。我试过了，但无法避免 for 循环：

x = c(1,NA,1,NA,NA,1,NA,NA,NA,1,NA,NA,NA,NA)

#Find the Start and End of each sequence of NA's (Vectorized)
(start <- is.na(x) * c(T,!is.na(x[-length(x)])))
#>  [1] 0 1 0 1 0 0 1 0 0 0 1 0 0 0

(end <- is.na(x) * c(!is.na(x[-1]),T))
#>  [1] 0 1 0 0 1 0 0 0 1 0 0 0 0 1

# The difference betweeen the start and end of the sequence +1 is the sequence length
wStart <- which(!!start)
wEnd <- which(!!end)
sequenceLength <- wEnd[i] - wStart[i] + 1

# replace the sequence of NA's with it's class
for(i in seq_along(wStart))
    x[`:`(wStart[i],wEnd[i])] <- letters[sequenceLength] 

x
#> [1] "1" "a" "1" "b" "b" "1" "c" "c" "c" "1" "d" "d" "d" "d"

如：

(xx <- t(apply(M, 1, function(x) {
    wStart <- which(!!(is.na(x) * c(T,!is.na(x[-length(x)]))))
    wEnd <- which(!!is.na(x) * c(!is.na(x[-1]),T))
    sequenceLength <- 
    for(i in seq_along(wStart))
        x[`:`(wStart[i],wEnd[i])] <- letters[wEnd[i] - wStart[i] + 1] 
    return(x)
})))

【讨论】：