如何计算R中向量中按顺序排列的相同元素的数量？

Question

我有一个像这样的矢量：

x<-c(1,1,1, -1, 1,1,1,1,1,1, -1,-1, 1,1, -1,-1,-1,-1,-1,-1,-1, 1)

我希望算法产生一个向量（3,1,6,2,2,7,1）

这意味着3个“1”，1个“-1”，6个“1”等...

我已经开发了以下算法，但它不适用于每个向量x，这可能是我将要有的。

y<-c(0)
q=0
z=0
w=0
e=1

if (x[1]==1)
{
q<-abs(sum(x[1:(min(which(x < 0))-1)]))
y[e]<-q
k=q+1
z<-abs(sum(x[k:min(which(x < 0))]))
e=e+1
y[e]<-z
k=k+z
r<-matrix(c(which(x < 0)))
w<-matrix(c(which(x > 0)))

while( k<22 )

{

if( all(r<k) )
{
z<-sum(x[k:22])
e=e+1
y[e]<-z
k=k+z
}else
{
z<-abs(sum(x[k:min(r[which(r > k)]-1)]))
e=e+1
y[e]<-z
k=k+z
}

if( all(w<k) )
{
z<-abs(sum(x[k:22]))
e=e+1
y[e]<-z
k=k+z
}else
{z<-abs(sum(x[k:min(w[which(w > k)]-1)]))
e=e+1
y[e]<-z
k=k+z
}

}}

但是对于向量x<-c(1,1,1, -1, 1,1,1,1,1,1, -1,-1, 1,1, -1,-1,-1,-1,-1,-1,-1,-1)它的工作原理。

您是否有任何想法更快更容易地做到这一点或只是在我自己的代码中找到问题？

谢谢你们！

Answer 1

你可以试试功能rle ：

rle(x)
#Run Length Encoding
#  lengths: int [1:7] 3 1 6 2 2 7 1
#  values : num [1:7] 1 -1 1 -1 1 -1 1

所以rle(x)$lengths为你提供你想要的东西：

rle(x)$lengths
#[1] 3 1 6 2 2 7 1

@clemlaflemme功能和效率之间的比较rle ：

library(microbenchmark)

x <- rep(x,5000)

microbenchmark(clem_shift(),cath_rle(),clem_cumul(),unit="relative")
#Unit: relative
#         expr        min        lq        mean     median         uq        max neval cld
# clem_shift()   1.000000   1.00000   1.0000000   1.000000   1.000000  1.0000000   100  a 
#   cath_rle()   1.181513   1.13419   0.8552573   1.095478   1.041918  0.9483564   100  a      
# clem_cumul() 325.480391 284.14827 170.1371421 265.160409 241.954976 54.5240969   100   b

Answer 2

只是为了获取信息，您可以编写这一小段代码来自行解决这个问题

cumul = c()
cur = 1
for(i in 2:length(x)){
   if(x[i] == x[i-1]) cur = cur + 1
   else{
       cumul = c(cumul, cur)
       cur = 1
   }
}
cumul = c(cumul, cur)

但是当然，使用rle函数更简单。 在@CathG评论之后，如果只使用0和1，你可以想到另一个手写函数：

clem = function(X){
    shift = c(0,seq(X)[as.logical(c(X[-1] - head(X,-1), 1))])
    shift = shift[-1] - head(shift,-1)
    return(shift)
}

然后针对rle的基准：

X = runif(1000)<0.5
> microbenchmark(cath(),clem(),unit = "relative")
Unit: relative
   expr      min      lq     mean   median       uq     max neval
 cath() 1.115647 1.10824 1.220533 1.102692 1.098195 9.22847   100
 clem() 1.000000 1.00000 1.000000 1.000000 1.000000 1.00000   100