统计发生次数

Question

我有以下问题。我想要计算小于或等于零的值的出现次数。例如，在以下数据中，我有3个出现次数：1（0,0,0），2（-1，-2），3（0,0）。在R中是否有内置函数来计算连续出现的次数。

a <- c(2,4,5,3,2,4,7,0,0,0,4,3,2,-1,-2,3,2,0,0,4)

- kelamahim

---

@Jaap OP 似乎想要计算小于等于0的项目运行次数，而不是元素数量。 - John Coleman

在这种情况下，我有7个出现。我不想对小于或等于零的值求和，而是要统计系列中的出现次数，在我的例子中为3。 - kelamahim

Answer 1

如果你想计算值小于零的运行次数：

sum(rle(a <= 0)$values)

这将会得到：

[1] 3

这是如何工作的：

• With the rle function you create a runlength-encoding of a <= 0.

• The output of rle(a <= 0) is:

  Run Length Encoding
    lengths: int [1:7] 7 3 3 2 2 2 1
    values : logi [1:7] FALSE TRUE FALSE TRUE FALSE TRUE ...
  

• Now you just have to sum the values part of the rle-object:

  > sum(rle(a <= 0)$values)
  [1] 3
  

- Jaap

---

可以使用RLE（Run-Length Encoding）来处理逻辑值吗？用于计算TRUE和FALSE的出现次数？ - kelamahim

@kelamahim，您是指类似于 rl <- rle(a <= 0); sum(rl$lengths[rl$values]) 这样的内容吗？ - Jaap

我的输出看起来像：TRUE TRUE TRUE FALSE FALSE TRUE，所以要计算TRUE的出现次数，在这种情况下我有2个。 - kelamahim

我认为rle只适用于原子向量。 - kelamahim

@kelamahim，这不就是我答案中的解决方案吗？ - Jaap

抱歉，出了点小问题！再次感谢您。 - kelamahim

Answer 2

你可以使用 rle ：

> sum(rle(a<=0)$values)
[1] 3

解释:

rle 将向量分成大于0或小于等于0的运行。 $values 取决于相应的运行是否满足谓词 (a <= 0) 或其否定，它们是 true 或 false。您需要与值 TRUE 对应的运行，函数 sum 强制将这些 TRUE 转换为 1。

- John Coleman

Answer 3

使用 rle 的答案是好的，但这里有另一种方法：

b <- a <= 0
sum(b) - sum(b[which(b) - 1])

这个功能会计算非正元素的数量，并减去前面有多少个非正元素（因此只有每个非正数运行的开头最终会产生贡献）。

我进行了快速测试，发现对于大向量（1000万至3亿个元素），它的运行速度比其他方法快几倍。

v1 <- function(a) sum(rle(a<=0)$values)

v2 <- function(a) {
  b <- a <= 0
  sum(b) - sum(b[which(b) - 1])
}

v1.time <- NULL
v2.time <- NULL
sizes <- 1:30 * 1E7
for (s in sizes) {
  x <- sample(-100:100, s, replace = TRUE)

  v1.time <- c(v1.time, system.time(
    v1.result <- v1(x)
  )[['elapsed']])

  v2.time <- c(v2.time, system.time(
    v2.result <- v2(x)
  )[['elapsed']])

  print(c(v1.result, v2.result)) # Show that they agree
  print(v1.time)
  print(v2.time)
}

library(tidyverse)
data.frame(VectorSize = sizes,
           v1 = v1.time,
           v2 = v2.time) %>%
  gather('Version', 'Time', -VectorSize) %>%
  ggplot(aes(x = VectorSize, y = Time, color = Version)) + geom_point() + geom_smooth()

- Tim Goodman

---

不错的选择！ - Jaap

Answer 4

这里有另一种选项（不重复相同的东西），使用 rleid

library(data.table)
uniqueN(rleid(a<=0)[a<=0])
#[1] 3

rleid 给出逻辑向量 (a <=0) 的运行长度 ID，使用逻辑向量 ([a<=0]) 子集化 ID，并使用 uniqueN 找到唯一 ID 的 length。

---

或者一个“基础R”方法是：

sum(diff(a <=0)==1)
#[1] 3

- akrun

---

我怎么能忘记 rleid 呢 ;-) - Jaap

顺便说一句：当向量以0开头时，sum(diff(a <= 0) == 1)将无法给出正确的输出。 - Jaap

Answer 5

在这个例子中，我如何计算所有复制中的所有出现次数？

set.seed(3)
b<-c(4,6,4,2,3)
run<- replicate(2,{
a <- runif(5,3,5)
dif <- a - b
return(dif)
})
run
 [,1]       [,2]
[1,] -0.6639169  0.2087881
[2,] -1.3849672 -2.7507331
[3,] -0.2301153 -0.4107982
[4,]  1.6554686  2.1552198
[5,]  1.2042013  1.2619585

当我尝试时

sum(rle(run<=0)$values)

我得到了

Error in rle(run <= 0) : 'x' must be a vector of an atomic type

但它可以与之配合工作

uniqueN(rleid(run<=0)[run<=0])

- kelamahim