Agregue índice a ejecuciones contiguas de valores iguales

performance loops

Question

¿Existe una forma más rápida de hacer un índice de contador que usando un bucle? Dentro de series contiguas de valores iguales, el índice debe ser el mismo. Encuentro el bucle muy lento, especialmente cuando los datos son tan grandes.

Por ejemplo, aquí está la entrada y la salida deseada

x <- c(2, 3, 9, 2, 4, 4, 3, 4, 4, 5, 5, 5, 1)

Contador resultante deseado:

c(1, 2, 3, 4, 5, 5, 6, 7, 7, 8, 8, 8, 9)

Tenga en cuenta que las ejecuciones no contiguas tienen índices diferentes . Por ejemplo, vea los índices deseados de los valores 2 y 4

Mi código ineficiente es este:

group[1]<-1
counter<-1
for (i in 2:n){
if (x[i]==x[i-1]){
group[i]<-counter
}else{
counter<-counter+1
group[1]<-counter}
}

Answer 1

Esto funcionará con valores numéricos de caracteres:

rep(1:length(rle(x)$values), times = rle(x)$lengths)
#[1] 1 2 3 4 5 5 6 7 7 8 8 8 9

También puede ser un poco más eficiente llamando a rle solo una vez (aproximadamente 2 veces más rápido) y se puede hacer una mejora de velocidad muy leve usando rep.int lugar de rep :

y <- rle(x)
rep.int(1:length(y$values), times = y$lengths)

Answer 2

Si tiene valores numéricos como este, puede usar diff y cumsum para sumar cambios en los valores

x <- c(2,3,9,2,4,4,3,4,4,5,5,5,1)
cumsum(c(1,diff(x)!=0))
# [1] 1 2 3 4 5 5 6 7 7 8 8 8 9

Answer 3

Usando data.table , que tiene la función rleid() :

require(data.table) # v1.9.5+
rleid(x)
# [1] 1 2 3 4 5 5 6 7 7 8 8 8 9