计算行之间的行数答案

【问题标题】：Counting number of rows between rows计算行之间的行数
【发布时间】：2018-06-21 20:36:22
【问题描述】：

我有一个包含四列的数据框：user_id、事件和时间

User_id 一个user_id，事件是“A”或“B”，时间就是时间。我需要计算每个“A”值之前出现的“B”值的数量。因此，如果在第一个“A”之前出现了 3 个“B”值，那么“A”的该实例将获得一个值为 3 的新列。如果“B”的下一个值之前有 25 个“B”实例A" 那么这将得到 25 的值。我认为自己是一个可靠的 R/dplyr 熟练工，但这让我很难过！谢谢。

user_id   event   date_time    desired_column
1         B       2018-01-01   NA
1         B       2018-01-02   NA
1         B       2018-01-03   NA
1         B       2018-01-04   NA
1         B       2018-01-05   NA
1         A       2018-01-06   5
1         B       2018-01-07   NA
1         A       2018-01-08   1
2         B       2018-01-05   NA
2         B       2018-01-06   NA
2         A       2018-01-07   2
2         B       ...          NA
2         A       ...          1

【问题讨论】：

标签： r dplyr

【解决方案1】：

x <- read.table(header=TRUE, stringsAsFactors=FALSE, text='
user_id   event   date_time    desired_column
1         B       2018-01-01   NA
1         B       2018-01-02   NA
1         B       2018-01-03   NA
1         B       2018-01-04   NA
1         B       2018-01-05   NA
1         A       2018-01-06   5
1         B       2018-01-07   NA
1         A       2018-01-08   1
2         B       2018-01-05   NA
2         B       2018-01-06   NA
2         A       2018-01-07   2')

也许有点笨拙，但是...

（编辑：指定dplyr::lag，因为stats::lag 不能满足我们的需要。）

x$a <- NA
x$a[cumsum(rle(x$event)$lengths)] <- rle(x$event)$lengths
x$a <- dplyr::lag(x$a)
x$a[x$event == "B"] <- NA

x
#    user_id event  date_time desired_column  a
# 1        1     B 2018-01-01             NA NA
# 2        1     B 2018-01-02             NA NA
# 3        1     B 2018-01-03             NA NA
# 4        1     B 2018-01-04             NA NA
# 5        1     B 2018-01-05             NA NA
# 6        1     A 2018-01-06              5  5
# 7        1     B 2018-01-07             NA NA
# 8        1     A 2018-01-08              1  1
# 9        2     B 2018-01-05             NA NA
# 10       2     B 2018-01-06             NA NA
# 11       2     A 2018-01-07              2  2

【讨论】：

非常感谢 - 一旦我可以提交我的工作，我会尝试弄清楚你是如何做到的！我的英雄！
这是rle 的诡计，我恰好记得。我从来没有在日常工作中真正使用过它，但碰巧记得它确实像这样计算得很好。（请注意，它同时计算了 A 和 B，这就是为什么我必须清除 B 的原因。它还将计数应用于同一个字母，ergo lag 需要将其转移到下一个。几乎可以肯定还有其他方法可以把这个骗出来。）
对于尝试此解决方案的任何人，请确保您已将延迟分配给 dplyr 而不是基础。我可以看到自己经常使用 cumsum 和 rle 的这种组合；下一步是将其构建成一个函数。

【解决方案2】：

使用@r2Evans 的数据：

x$y    <- NA
which_ <- which(x$event=="A")
x$y[which_] <- diff(c(0,which_))-1

#    user_id event  date_time desired_column  y
# 1        1     B 2018-01-01             NA NA
# 2        1     B 2018-01-02             NA NA
# 3        1     B 2018-01-03             NA NA
# 4        1     B 2018-01-04             NA NA
# 5        1     B 2018-01-05             NA NA
# 6        1     A 2018-01-06              5  5
# 7        1     B 2018-01-07             NA NA
# 8        1     A 2018-01-08              1  1
# 9        2     B 2018-01-05             NA NA
# 10       2     B 2018-01-06             NA NA
# 11       2     A 2018-01-07              2  2

【讨论】：