计算一个因子的序列答案

【问题标题】：Count the sequences of a factor计算一个因子的序列
【发布时间】：2018-04-19 07:08:19
【问题描述】：

我有一个如下所示的数据框：

Date         Event
2018-06-01   A
2018-06-02   A
2018-06-02   B
2018-06-03   B
2018-06-04   B
2018-06-04   B
2018-06-05   A

我想提取同一事件连续多次发生的序列。因此，例如在上面显示的示例中，这会给我这个：

Event  Sequence
A      2
B      4
A      1

我尝试使用rle，但遇到了问题，因为df$Event 不是原子向量。

由于我只有两种类型的事件，我想我可以做的是将A 替换为1 和B 替换为2 然后在df$Event 上使用as.numeric 以便我可以使用rle。但是，从长远来看，这似乎不太实用，还有什么更有效的方法来做到这一点？

【问题讨论】：

如果它是一个因素，只需使用rle(as.character(df$Event))
@docendodiscimus 我想as.integer 会更快
@MichaelChirico，我怀疑这会成为瓶颈；如果您使用描述性标签而不是级别的整数表示，结果将提供更多信息。
@docendodiscimus 这行得通，谢谢！由于您的回答是评论，我无法接受。

标签： r

【解决方案1】：

如果您的“事件”列是因子变量，您可以简单地将其转换为字符变量并在其上运行rle：

rle(as.character(df$Event))

#Run Length Encoding
#  lengths: int [1:3] 2 4 1
#  values : chr [1:3] "A" "B" "A"

如果您想创建问题中显示的 data.frame，您可以使用

with(rle(as.character(df$Event)), data.frame(Event=values, Sequence=lengths))

#  Event Sequence
#1     A        2
#2     B        4
#3     A        1

【讨论】：

【解决方案2】：

正如评论的那样，将变量设置为字符以使用 rle 只是一个问题。我在这里只给出另外两种方法，使用 dplyr 或 data.table

library(dplyr)
library(data.table)

df %>%
  group_by(rleid(Event)) %>%
  summarise(Sequence =n(),event = Event[1])

df <- setDT(df)
df[,.(Sequence =.N,event = Event)[1],by = rleid(Event)]

  `rleid(Event)` Sequence  event
           <int>    <int> <fctr>
1              1        2      A
2              2        4      B
3              3        1      A

【讨论】：