如何找到单调序列以及在达到最大值时考虑序列重新启动

Question

我有一个 data.table 说 dt

name <- c("a", "b", "c", "d", "e", "f", "g", "h", "i", "j", "k", "l", "m", "n", "o", "p", "q", "r", "s", "t", "u", "v")
score <- c(42, 82, 43, 32,47,48, 49, 50, 54, 59, 76, 09, 13, 88, 91, 99, 04, 06, 08, 12, 14, 15)
class <- c("c1", "c1", "c1", "c1","c1", "c1", "c1", "c2", "c2", "c2", "c3", "c3", "c3", "c3","c3", "c3", "c3", "c3", "c3", "c3", "c3" ,"c3")
dt <- data.table(name, score, class)

看起来像：

> dt
    name score class
 1:    a    42    c1
 2:    b    82    c1
 3:    c    43    c1
 4:    d    32    c1
 5:    e    47    c1
 6:    f    48    c1
 7:    g    49    c1
 8:    h    50    c2
 9:    i    54    c2
10:    j    59    c2
11:    k    76    c3
12:    l     9    c3
13:    m    13    c3
14:    n    88    c3
15:    o    91    c3
16:    p    99    c3
17:    q     4    c3
18:    r     6    c3
19:    s     8    c3
20:    t    12    c3
21:    u    14    c3
22:    v    15    c3

我只需要那些遵循每个班级分数单调序列的记录。在这种情况下，c1 类只记录分数为 42、43、47、48 49，类 c2 分数为 50、54、59 的记录。

在“c3”类记录中，得分为 76、88、91、99、04、06、08、12、14、15。此处序列已达到最大值（99），然后重新开始。 “c3”类中的分数 09 和 13 超出了单调序列，因此需要删除。

我想删除那些在 c1、c2、c3 类中提到的分数不按顺序排列的记录。总共有 100 万条记录。

对于一个给定的班级，最多可以有 3 个连续的乱序分数。

最终的输出必须是这样的。

> dt
    name score class
 1:    a    42    c1
 2:    c    43    c1
 3:    e    47    c1
 4:    f    48    c1
 5:    g    49    c1
 6:    h    50    c2
 7:    i    54    c2
 8:    j    59    c2
 9:    k    76    c3
10:    n    88    c3
11:    o    91    c3
12:    p    99    c3
13:    q     4    c3
14:    r     6    c3
15:    s     8    c3
16:    t    12    c3
17:    u    14    c3
18:    v    15    c3

为了找到单调的序列我试过了：

dt <- dt[, .SD[score == cummax(score)],class]

但这也删除了在达到最大值后重新启动的序列。如何做到这一点。

Answer 1

cummax 的想法非常好 - 你只需要一些修改：

dt[, keep := score >= cummax(shift(score, fill = first(score))), 
     by = .(class, rleid(score == 99))]

或者，也许更好的方法是

dt[dt[, .I[score == cummax(score)], by = list(class, rleid(score == 99))]$V1]