提取具有特定起始和结束值的递减序列

Question

我有一个数字向量，想要提取连续的递减值。此外，每个序列中的第一个值应该是>= 40，最后一个值应该是<= 20。

例如：

Mydata = c(1, 5, 0, 10, 40, 30, 25, 20, 7, 34, 23, 55, 70, 42, 38, 22, 44, 33, 11, 17, 25)

结果的序列是：c(40, 30, 25, 20, 7)和c(44, 33, 11)。

- Yang Yang

---

需要高效和/或符合惯用法吗？如果不需要，那么您可以在整个列表上执行for循环，并在for循环的每个项目处启动while循环。 - Marijn

嗨@Marijn，只要它能正常工作，它可以是任何方式。你能提供一个编码示例吗？谢谢。 - Yang Yang

Answer 1

一种非惯用的过程化方法：

Mydata = c(1, 5, 0, 10, 40, 30, 25, 20, 7, 34, 23, 55, 70, 42, 38, 22, 44, 33, 11, 17, 25)
results = list()
# loop each element of the data vector to check if it can be the start of a result
for (x in 1:length(Mydata)) {
  if (Mydata[x] >= 40) {
    # start subresult list
    subresult = c(Mydata[x])
    i = 0
    # add elements while decreasing
    while (Mydata[x+i+1] < Mydata[x+i]) {
      subresult = append(subresult, Mydata[x+i+1])
      i = i + 1
    }
    # store in main result list if last element of subresult <= 20
    if (subresult[length(subresult)] <= 20){
      results[[length(results)+1]] = subresult
    }
  }
}

结果：

> results
[[1]]
[1] 40 30 25 20  7

[[2]]
[1] 44 33 11

- Marijn

Answer 2

使用“标准”方法创建基于值之间差异的分组变量（cumsum(...diff(...)); 创建连续序列和拆分向量的分组变量）。使用tapply按组检查条件。删除空列表元素。

L = tapply(x, cumsum(c(1L, diff(x) > 0)), \(v) if(v[1] >= 40 & tail(v, 1) <= 20) v)
L[lengths(L) != 0]
$`4`
[1] 40 30 25 20  7

$`8`
[1] 44 33 11

或者一次性地从tapply中过滤结果：

Filter(Negate(is.null), tapply(x, cumsum(c(1L, diff(x) > 0)), \(v) if(v[1] >= 40 & tail(v, 1) <= 20) v))

使用data.table的相同逻辑：

library(data.table)
data.table(x)[, if(x[1] >= 40 & x[.N] <= 20) x, by = .(g = cumsum(c(1L, diff(x) > 0)))]
       g    V1
   <int> <num>
1:     4    40
2:     4    30
3:     4    25
4:     4    20
5:     4     7
6:     8    44
7:     8    33
8:     8    11

- Henrik

Answer 3

library(dplyr)
data.frame(x = Mydata) |>
  filter(lag(x) > x | lead(x) < x) |>
  mutate(id = cumsum(c(0, diff(x)) > 0)) |>
  group_by(id) |>
  filter(first(x) >= 40 & last(x) <= 20) |>
  with(split(x, id)) |>
  unname()
# [[1]]
# [1] 40 30 25 20  7
# 
# [[2]]
# [1] 44 33 11

- Gregor Thomas

---

非常感谢您的帮助！您能解释一下 filter(lag(x) > x | lead(x) < x) 的目的吗？ - Yang Yang

这是获取递减序列的候选行 - x 可以是递减序列的一部分，如果 (a) 它前面的值大于它 (lag(x) > x) 或者 (b) 它后面的值小于它 (lead(x) < x)。如果既不满足 (a) 也不满足 (b)，那么 x 就不是递减序列的一部分。 - Gregor Thomas

Answer 4

使用`dplyr`的`consecutive_id`来进行分组，使用`group_split`来分离各个组，并使用包裹在`sapply`中的方法将组提取为向量。

library(dplyr)

sapply(
  as_tibble(Mydata) %>% 
    mutate(grp = c(F, diff(value) < 0), 
           con = consecutive_id(grp), 
           con = if_else(!grp & lead(con, default=F) != con, con + 1, con)) %>%
    filter(any(grp) & first(value) >= 40 & last(value) <= 20, .by = con) %>%
    group_split(con), "[", 1)
$value
[1] 40 30 25 20  7

$value
[1] 44 33 11

- Andre Wildberg

Answer 5

尝试这个序列：

step1 <- Mydata[cumsum(Mydata >= 40) > 0]
step2 <- step1[cumsum(step1 != cummin(step1)) < 1]
step2
# [1] 40 30 25 20  7

由你来决定是否 step2[length(step2)]（也就是tail(step2,1)）小于或等于20；如果是，那么就没问题，否则就没有到达那里的路径（我想是这样的）。

步骤：

1. 第一步，从40开始：

   Mydata[cumsum(Mydata >= 40) > 0]
   #  [1] 40 30 25 20  7 34 23 55 70 42 38 22 44 33 11 17 25
   step1 <- Mydata[cumsum(Mydata >= 40) > 0]
   

2. 第二步，我们可以沿着向量使用cummin（累积最小值）找到运行最小值：

   cummin(step1)
   #  [1] 40 30 25 20  7  7  7  7  7  7  7  7  7  7  7  7  7
   

   并且通过这个，查找这是真实值的累积出现次数。

   cumsum(step1 != cummin(step1)) < 1
   #  [1]  TRUE  TRUE  TRUE  TRUE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
   step1[cumsum(step1 != cummin(step1)) < 1]
   # [1] 40 30 25 20  7
   

   我们需要使用cumsum(.) < 1步骤，因为如果以下值之一实际匹配，我们可能会得到意外的匹配，例如

   step1[11] <- 7
   step1 == cummin(step1)
   #  [1]  TRUE  TRUE  TRUE  TRUE  TRUE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE
   step1[step1 == cummin(step1)]
   # [1] 40 30 25 20  7  7
   

   这显然不在原始数据中。

- r2evans