在 R 中对遵循序列 N+1 的数据进行分组

Question

所以我有一个包含三列的数据集：position、时间和强度。 强度充满了二进制值，我已过滤为仅包含 1（因为这代表感兴趣的 object，而 0 是背景）。

我需要一种方法能够将数据分组为 N+1 之后的序列； 请参考下图。

我的数据快照

如您所见，第一列从 4 到 22，以 1 为增量跳到 39，在我的数据集中有很多这样的情况（每个跳过代表一个 object 的结束和另一个的开始）有没有办法找到序列 N+1 之后的数字的位置，然后将其分组到一个变量中，从而使我能够识别每个 object 的位置。

编辑//

在回复之后，我使用了代码并生成了这个，它生成了另一列（称为 T2），其中包含数字：

structure(list(pixel_pos = c(4L, 5L, 6L, 7L, 8L, 9L, 10L, 11L, 
12L, 13L, 14L, 15L, 16L, 17L, 18L, 19L, 20L, 21L, 22L, 39L), 
    Time_point = c(1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 
    1, 1, 1, 1, 1, 1), Intensity = c(1, 1, 1, 1, 1, 1, 1, 1, 
    1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1), T2 = c(1L, 1L, 1L, 1L, 
    1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
    2L)), row.names = c(NA, -20L), class = c("tbl_df", "tbl", 
"data.frame")) 

有没有办法将 T2 中所有跟随在 1、2、3 等后面的数字分组，因为它们代表对象。 再次感谢！

//EDIT 2 原始表，没有过滤（0 存在）

Pixel_pos = 1:40, 
Time_point = c(1, 1, 1, 1, 1, 
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1), 
Intensity = c(0, 0, 
0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1)), 
row.names = c(NA, 40L), class = c("tbl_df", "tbl", "data.frame"))

Answer 1

很多方法，这里有两种（调用你的数据df ）：

df$group = as.integer(factor(df$first_column - 1:nrow(df)))

df$group = cumsum(c(1, diff(df$first_column) > 1))

如果您遇到这些问题或需要更多帮助，请以可重现的方式分享您的一些数据——数据图片很难处理。 例如， dput(df[1:20, ])给出了数据框前 20 行的可复制粘贴版本。

Answer 2

我不确定我是否能很好地理解你的问题，如果没有可重复的例子，真的很难提供帮助。

无论如何，我将提供一个 data.table 解决方案：

虚拟数据

set.seed(1)
dt <- data.table(x = 1:100, y = sample(0:1, 100, TRUE, prob = c(.3, .6)))

然后我们：

dt[, id := rleid(y)][, startPos := ifelse(id != shift(id, 1), 1, 0)][y == 1 & startPos == 1, ]

里面有什么：

• id:= rleid(y) ：我们创建一个新的变量id ，它具有变量 y 的运行长度 id，即它的连续运行，非常接近你想要的。
• startPos:= ifelse(id,= shift(id, 1), 1, 0) ：我们创建一个新变量startPos ，如果id与下一个不同，则该变量将为 1（从而标记此类 id 的起始 position） .
• 最后，我们过滤那些具有y == 1 （您感兴趣的数据）和startPos == 1 （起始位置）的结果。 dt仍然拥有所有原始数据。

希望能帮助到你

Answer 3

如果你对dplyr ，我们可以用lag function 来简化这个过程。 这特别有用，因为我们可以为第一行设置默认值。

library(dplry)
data %>% 
  mutate(T2 = cumsum(pixel_pos - lag(pixel_pos, default = 0) > 1))
# A tibble: 20 x 4
   pixel_pos Time_point Intensity    T2
       <int>      <dbl>     <dbl> <int>
 1         4          1         1     1
 2         5          1         1     1
 3         6          1         1     1
...
18        21          1         1     1
19        22          1         1     1
20        39          1         1     2

Answer 4

我设法让一切正常使用

df$group = as.integer(因子(df$first_column - 1:nrow(df)))