索引向量中的连续重复项

Question

获取重复＃次的所有元素的索引的最佳方法是什么？我想确定重复两次以上的元素。 rle()而rleid()这两种提示我需要的值，但既不方法是直接给我的指标。

我想出了以下代码：

t1 <- c(1, 10, 10, 10, 14, 37, 3, 14, 8, 8, 8, 8, 39, 12)

t2 <- lag(t1,1)
t2[is.na(t2)] <- 0
t3 <- ifelse(t1 - t2 == 0, 1, 0)
t4 <- rep(0, length(t3))
for (i in 2:length(t3)) t4[i] <- ifelse(t3[i] > 0, t3[i - 1] + t3[i], 0)

which(t4 > 1)

返回：

[1]  4 11 12 

这些就是我需要的价值观。

是否有更合适的R功能？

本

Answer 1

data.table的一种选择。当n = 2时，没有真正的理由使用它代替lag/ shift，但是对于较大的n，这将使您免于创建大量新的滞后向量。

library(data.table)

which(rowid(rleid(t1)) > 2)
# [1]  4 11 12

说明：

rleid将为相等值的每个“运行”产生唯一的值，rowid并将标记每个元素“进入”运行有多少个元素。您需要的是将2个以上的元素“放入”运行。

data.table(
  t1,
  rleid(t1),
  rowid(t1))

#     t1 V2 V3
#  1:  1  1  1
#  2: 10  2  1
#  3: 10  2  2
#  4: 10  2  3
#  5: 14  3  1
#  6: 37  4  1
#  7:  3  5  1
#  8: 14  6  2
#  9:  8  7  1
# 10:  8  7  2
# 11:  8  7  3
# 12:  8  7  4
# 13: 39  8  1
# 14: 12  9  1

编辑：如果，如本问题所示的示例中，没有两个游程（甚至长度为1的“游程”）具有相同的值（或者如果您不在乎重复项是否彼此相邻），则可以使用which(rowid(t1) > 2)代替。（这是弗兰克在评论中指出的）

希望这个例子可以澄清差异

a <- c(1, 1, 1, 2, 2, 1)
which(rowid(a) > 2)
# [1] 3 6
which(rowid(rleid(a)) > 2)
# [1] 3

Answer 2

您可以使用dplyr::lag或data.table::shift（请注意，默认设置为shift滞后，因此shift(t1, 1)等于shift(t1, 1, type = "lag")：

which(t1 == lag(t1, 1) & lag(t1, 1) == lag(t1, 2))
[1]  4 11 12
# Or
which(t1 == shift(t1, 1) & shift(t1, 1) == shift(t1, 2))
[1]  4 11 12

如果需要扩展几个副本，可以执行以下操作（感谢@IceCreamToucan提示）：

n <- 2
df1 <- sapply(0:n, function(x) shift(t1, x))
which(rowMeans(df1 == df1[,1]) == 1)
[1]  4 11 12