根据R中不同的游程长度替换连续的重复值

如何解决根据R中不同的游程长度替换连续的重复值

考虑以下数据集：

dat<-data.frame(id = c(1,1,2,3,3),var1 = c("A","NA","B","A","C","D","B"))

dat

首先，我需要用NA两侧的值填充所有NA，这在dplyr中成功完成了：

mutate(value = ifelse(is.na(value),paste0(na.locf(value),"-",na.locf(value,fromLast=TRUE)),value))

结果是：

   id var1
1   1    A
2   1  A-B
3   1    B
4   1    A
5   1  A-B
6   1  A-B
7   1    B
8   2    A
9   2  A-C
10  2  A-C
11  2  A-C
12  2    C
13  2    A
14  2  A-B
15  2    B
16  3    A
17  3  A-D
18  3  A-D
19  3    D
20  3    A
21  3  A-B
22  3  A-B
23  3    B

但是，我现在需要保留一些值，同时根据重复的连续游程长度（按id col分组）将其他值返回给NA。如果AB的连续重复长于1，则将所有值返回到NA； AC的连续重复长于2，则将所有值返回到NA； AD的连续重复长于3，则返回所有值。到NA。

我想要的结果是：

   id var1
1   1    A
2   1  A-B
3   1    B
4   1    A
5   1   NA
6   1   NA
7   1    B
8   2    A
9   2   NA
10  2   NA
11  2   NA
12  2    C
13  2    A
14  2  A-B
15  2    B
16  3    A
17  3  A-D
18  3  A-D
19  3    D
20  3    A
21  3   NA
22  3   NA
23  3    B

我认为这可以通过group_by(id)，然后是rle()或data.table的rleid()的某种组合来实现，然后根据值和运行有条件地将值返回NA与case_when的长度（我考虑过ifelse()，但条件比示例中提供的条件多得多，并且已经阅读到case_when是更好的选择），但是我无法弄清楚如何编写精确的代码来做这个。我遇到的一个类似问题是Replace NA with previous value with limit，但这是我需要做的事情的简单得多。

任何建议将不胜感激。我感觉自己已经接近了，但我需要帮助才能使我达到理想的结果。

解决方法

首先，我强烈建议使用replace_na函数。

然后您可以像这样使用smth：

x <- data.frame(matrix(c(1,1,2,3,4,5,5),ncol=2))
x %>%
    group_by(X1) %>%
    mutate(X3 = ifelse(X2 == lag(X2,default = "") | X2 == lead(X2,default = ""),X2,NA_integer_)) %>%
    group_by(X1,X3) %>%
    mutate(X4 = n())

输入：

  X1 X2
1  1  0
2  1  1
3  1  2
4  2  3
5  2  4
6  2  4
7  3  5
8  3  5
9  3  5

输出：

# A tibble: 9 x 4
# Groups:   X1,X3 [4]
     X1    X2    X3    X4
  <dbl> <dbl> <dbl> <int>
1     1     0    NA     3
2     1     1    NA     3
3     1     2    NA     3
4     2     3    NA     1
5     2     4     4     2
6     2     4     4     2
7     3     5     5     3
8     3     5     5     3
9     3     5     5     3

然后您可以使用X4进行所需的操作

,

您可以做什么：

myfun <- function(x){
  y <- rle(x)
  z <- match(y$values,LETTERS)
  ind <- which(is.na(z))
  m <- z[ind + 1] - z[ind - 1] >= y$lengths[ind]
  y$values[ind[m]] <- paste(y$values[ind[m] - 1],y$values[ind[m] + 1],sep = "-")
  inverse.rle(y)
}


transform(dat,var1 = ave(var1,id,FUN = myfun))

   id var1
1   1    A
2   1  A-B
3   1    B
4   1    A
5   1   NA
6   1   NA
7   1    B
8   2    A
9   2   NA
10  2   NA
11  2   NA
12  2    C
13  2    A
14  2  A-B
15  2    B
16  3    A
17  3  A-D
18  3  A-D
19  3    D
20  3    A
21  3   NA
22  3   NA
23  3    B