提问人：letsrock 提问时间：3/8/2011 最后编辑：Henrikletsrock 更新时间：3/26/2021 访问量：5859
为连续序列和拆分向量创建分组变量
Create grouping variable for consecutive sequences and split vector
问：
我有一个向量，例如，我想将形成一个规则的、连续序列的“相邻”元素组合在一起，即增加 1，在一个参差不齐的向量中，结果是：c(1, 3, 4, 5, 9, 10, 17, 29, 30)
L1：1 L2：3,4,5 L3：9,10 L4：17
L5：29,30
朴素代码（前 C 程序员）：
partition.neighbors <- function(v)
{
result <<- list() #jagged array
currentList <<- v[1] #current series
for(i in 2:length(v))
{
if(v[i] - v [i-1] == 1)
{
currentList <<- c(currentList, v[i])
}
else
{
result <<- c(result, list(currentList))
currentList <<- v[i] #next series
}
}
return(result)
}
现在我明白了
a） R 不是 C（尽管有大括号） b） 全局变量是纯粹的邪恶
c）
这是一种实现结果的非常低效的方法
，因此欢迎任何更好的解决方案。
答：
4赞
daroczig
3/8/2011
#1
您可以轻松定义切割点：
which(diff(v) != 1)
基于该尝试：
v <- c(1,3,4,5,9,10,17,29,30)
cutpoints <- c(0, which(diff(v) != 1), length(v))
ragged.vector <- vector("list", length(cutpoints)-1)
for (i in 2:length(cutpoints)) ragged.vector[[i-1]] <- v[(cutpoints[i-1]+1):cutpoints[i]]
其结果是：
> ragged.vector
[[1]]
[1] 1
[[2]]
[1] 3 4 5
[[3]]
[1] 9 10
[[4]]
[1] 17
[[5]]
[1] 29 30
这个算法不是一个好算法，但你可以根据:)编写更整洁的代码祝你好运！diff
12赞
Aaron left Stack Overflow
3/8/2011
#2
Daroczig 写道：“你可以根据”......diff
这是一种方法：
split(v, cumsum(diff(c(-Inf, v)) != 1))
编辑（添加时间）：
Tommy 发现，通过谨慎使用类型，这可以更快;它变得更快的原因是它在整数上更快，实际上在因子上更快。split
这是约书亚的解决方案;的结果是一个数字，因为它是 'd 和 ，所以它是最慢的。cumsumc1
system.time({
a <- cumsum(c(1, diff(v) != 1))
split(v, a)
})
# user system elapsed
# 1.839 0.004 1.848
只是这样，结果是一个整数，大大加快了它的速度。c1L
system.time({
a <- cumsum(c(1L, diff(v) != 1))
split(v, a)
})
# user system elapsed
# 0.744 0.000 0.746
这是 Tommy 的解决方案，供参考;它也在整数上分裂。
> system.time({
a <- cumsum(c(TRUE, diff(v) != 1L))
split(v, a)
})
# user system elapsed
# 0.742 0.000 0.746
这是我的原始解决方案;它还在整数上进行拆分。
system.time({
a <- cumsum(diff(c(-Inf, v)) != 1)
split(v, a)
})
# user system elapsed
# 0.750 0.000 0.754
这是 Joshua 的，结果转换为 .split
system.time({
a <- cumsum(c(1, diff(v) != 1))
a <- as.integer(a)
split(v, a)
})
# user system elapsed
# 0.736 0.002 0.740
整数向量上的所有版本都大致相同;如果该整数向量已经是一个因子，它可能会更快，因为从整数到因子的转换实际上需要大约一半的时间。在这里，我直接把它变成一个因素;通常不建议这样做，因为它取决于因子类的结构。此处仅用于比较目的。split
system.time({
a <- cumsum(c(1L, diff(v) != 1))
a <- structure(a, class = "factor", levels = 1L:a[length(a)])
split(v,a)
})
# user system elapsed
# 0.356 0.000 0.357
评论
0赞
daroczig
3/8/2011
是的，这是更整洁的方式！:)我不知道，谢谢你把我的注意力引向这个有用的功能。split
0赞
Aaron left Stack Overflow
5/14/2011
我应该注意，使用时应该小心，因为它返回截断的值，当使用浮点算术创建数字时，这可能不是您想要的，例如，返回 .as.integeras.integer(0.3*3+0.1)0
0赞
OnlyDean
6/21/2018
你能解释一下 diff（） 函数在做什么以及它是如何工作的吗？官方文档根本没有帮助我理解它。
0赞
Aaron left Stack Overflow
6/21/2018
它只是计算术语之间的差异。这种帮助可能令人困惑，因为它比这更普遍，因为它允许不同的滞后，并且允许重复该过程，用于双重差异（差异的差异）等等。
24赞
Joshua Ulrich
3/8/2011
#3
大量使用一些 R 习语：
> split(v, cumsum(c(1, diff(v) != 1)))
$`1`
[1] 1
$`2`
[1] 3 4 5
$`3`
[1] 9 10
$`4`
[1] 17
$`5`
[1] 29 30
4赞
James
3/8/2011
#4
您可以使用 和 创建元素并将其分配给组，然后使用以下命令进行聚合：data.framediffifelsecumsumtapply
v.df <- data.frame(v = v)
v.df$group <- cumsum(ifelse(c(1, diff(v) - 1), 1, 0))
tapply(v.df$v, v.df$group, function(x) x)
$`1`
[1] 1
$`2`
[1] 3 4 5
$`3`
[1] 9 10
$`4`
[1] 17
$`5`
[1] 29 30
8赞
Tommy
4/8/2011
#5
约书亚和亚伦很到位。但是，通过谨慎使用正确的类型、整数和逻辑，它们的代码仍然可以提高两倍以上的速度：
split(v, cumsum(c(TRUE, diff(v) != 1L)))
v <- rep(c(1:5, 19), len = 1e6) # Huge vector...
system.time( split(v, cumsum(c(1, diff(v) != 1))) ) # Joshua's code
# user system elapsed
# 2.64 0.00 2.64
system.time( split(v, cumsum(c(TRUE, diff(v) != 1L))) ) # Modified code
# user system elapsed
# 1.09 0.00 1.12
评论
0赞
Aaron left Stack Overflow
5/5/2011
哇！我不会猜到它会产生如此大的差异。
0赞
Aaron left Stack Overflow
5/6/2011
汤米，我弄清楚了为什么它更快，并编辑了你的帖子以添加它。我不确定这是否是正确的礼仪;希望你不介意。（此外，它必须经过同行评审，所以如果你没有立即看到它，这就是原因。
0赞
Aaron left Stack Overflow
5/14/2011
显然我的编辑被拒绝了;我已经在我的答案中添加了时间。
评论