计数连续非零值的功能

Question

使用如下数据集：

Index                  x      y

2012-07-24 07:00:00   0.1     0
2012-07-24 07:15:00   0.2     1
2012-07-24 07:30:00   0.3     0
2012-07-24 07:45:00   0.2     0
2012-07-24 08:00:00   0.3     1
2012-07-24 08:15:00   0.4     1
2012-07-24 08:30:00   0.4     1
2012-07-24 08:45:00   0.5     0
2012-07-24 09:00:00   0.6     0

我目前有一个遍历此大型数据集的for循环，实际上每次y！= 0时都会计算y / x。我尝试进行的另一次计算是事件内的平均值x，其中事件定义为任何连续的字符串在y中为非零值。 使用上面提供的数据集，有两个事件：长度为1的事件，长度为3的事件之一。

对于长度3的第二个事件，在我的for循环中，我想返回三个值，对于循环的每一步一个值：（0.3），（0.3 + 0.4）/ 2和（0.3 + 0.4 + 0.4）/ 3。

我无法确定最有效的方法。 我看过一些以前的文章，这些文章主要是使用rle和诸如which（x！== 0）之类的模式来寻找零值索引。

任何帮助是极大的赞赏。

Answer 1

根据OP帖子中提供的计算，可能会有所帮助。 我们将'data.frame'转换为'data.table'（ setDT(df1) ），并按运行长度类型id'y'分组，该ID不等于0，我们将'x'的cumusm除以' y的序列不等于0，因为y的序列不等于0，并将（ := ）分配为新列（'new1'）。

library(data.table)#v1.9.6+
setDT(df1)[,new1:=cumsum(x[y!=0])/seq_along(x)[y!=0] ,.(rleid(y!=0))]
df1
#                 Index   x y      new1
#1: 2012-07-24 07:00:00 0.1 0        NA
#2: 2012-07-24 07:15:00 0.2 1 0.2000000
#3: 2012-07-24 07:30:00 0.3 0        NA
#4: 2012-07-24 07:45:00 0.2 0        NA
#5: 2012-07-24 08:00:00 0.3 1 0.3000000
#6: 2012-07-24 08:15:00 0.4 1 0.3500000
#7: 2012-07-24 08:30:00 0.4 1 0.3666667
#8: 2012-07-24 08:45:00 0.5 0        NA
#9: 2012-07-24 09:00:00 0.6 0        NA

编辑：或改用cummean

setDT(df1)[,new1:= cummean(x[y!=0]), .(rleid(y!=0))]