R 根据一系列值的行重复进行过滤

发布于08月25日

我有一个日期和相应值的数据框架.

date <- Sys.Date() + sort(sample(1:26, 26))

values <- c(sample(400:415, 10, replace = TRUE), 
            420, 421, 422, 420, 419, 421, 
            sample(430:435, 10, replace = TRUE))

df <- data.frame(date, values)

我想将数据过滤到这样的行，即当date按升序排列时，420±2范围至少重复五次.df的最终版本将只包含420, 421, 422, 420, 419, 421中的values行，因为sample()数据将被删除.

我正在寻找dplyr和data.table的解决方案.

推荐答案

这里有一个有dplyr的选项

library(dplyr)
library(data.table)
df %>% 
  mutate(values2 = between(values, 420-2, 420 + 2)) %>% 
  group_by(grp = rleid(values2)) %>% 
  filter(n() > 5, all(values2)) %>%
  ungroup %>%
  select(-values2, -grp)

-输出

# A tibble: 6 × 2
  date       values
  <date>      <dbl>
1 2022-09-04    420
2 2022-09-05    421
3 2022-09-06    422
4 2022-09-07    420
5 2022-09-08    419
6 2022-09-09    421

或将base R与rle相加

subset(df, inverse.rle(within.list(rle(values >= (420-2) &
   values <= (420 + 2)), {values[values & lengths < 5] <- FALSE})))
     date values
11 2022-09-04    420
12 2022-09-05    421
13 2022-09-06    422
14 2022-09-07    420
15 2022-09-08    419
16 2022-09-09    421