R：在向量中的旧零之后添加零？

Question

想象一下，我有一个带有 1 和 0 的向量，

我将其紧凑地编写为：

1111111100001111111111110000000001111111111100101

我需要一个新的向量，将零后面的“N”个替换为新的零。

例如，对于 N = 3。

1111111100001111111111110000000001111111111100101 变为 1111111100000001111111110000000000001111111100000

我可以用 for 循环来做到这一点，但我读过这不是一个好的做法，那么我该怎么做呢？

干杯

我的矢量确实是动物园系列，但我想这没有任何区别。 如果我想要零到最后我会使用 cumprod。

Answer 1

您还可以使用 rle 来完成此操作。您需要做的就是将 n 添加到值为 0 的所有长度，并在值为 1 时减去 n（当一行中少于 n 个时要小心一点）。 （使用Greg的方法构建样本）

rr <- rle(tmp)
## Pad so that it always begins with 1 and ends with 1
if (rr$values[1] == 0) {
   rr$values <- c(1, rr$values)
   rr$lengths <- c(0, rr$lengths)  
}
if (rr$values[length(rr$values)] == 0) {
  rr$values <- c(rr$values, 1)
  rr$lengths <- c(rr$lengths, 0)  
}
zero.indices <- seq(from=2, to=length(rr$values), by=2)
one.indices <- seq(from=3, to=length(rr$values), by=2)
rr$lengths[zero.indices] <- rr$lengths[zero.indices] + pmin(rr$lengths[one.indices], n)
rr$lengths[one.indices] <- pmax(0, rr$lengths[one.indices] - n)
inverse.rle(rr)

Answer 2

只循环遍历（假设很少）N 个实例怎么样：

addZeros <- function(x, N = 3) {
    xx <- x
    z <- x - 1
    for (i in 1:N) {
        xx <- xx + c(rep(0, i), z[-c((NROW(x) - i + 1):NROW(x))])
    }
    xx[xx<0] <- 0
    xx
}

只需将所有零实例变为 -1，以便减去 N 个后续值。

> x <- c(1,1,1,1,1,1,1,1,0,0,0,0,1,1,1,1,1,1,1,1,1,1,1,1,0,0,0,0,0,0,0,0,0,1,1,1,1,1,1,1,1,1,1,1,0,0,1,0,1)
> x
 [1] 1 1 1 1 1 1 1 1 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 1 1 1 1 1
[39] 1 1 1 1 1 1 0 0 1 0 1
> addZeros(x)
 [1] 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 1 1
[39] 1 1 1 1 1 1 0 0 0 0 0

编辑：

在阅读了 R-help 邮件列表中的数据描述后，这显然不是小 N 的情况。因此，您可能需要考虑使用 C 函数来实现此目的。

在文件“addZeros.c”中：

void addZeros(int *x, int *N, int *n)
{
    int i, j;

    for (i = *n - 1; i > 0; i--)
    {
        if ((x[i - 1] == 0) && (x[i] == 1))
        {
            j = 0;
            while ((j < *N) && (i + j < *n) && (x[i + j] == 1))
            {
                x[i + j] = 0;
                j++;
            }
        }
    }
}

在命令提示符（Windows 中的 MS DOS，按 Win+r 并写入 cmd）中，写入“R CMD SHLIB addZeros.c”。如果无法到达 R 的路径（即“未知命令 R”），您需要说明完整地址（在我的系统上：

"c:\Program Files\R\R-2.10.1\bin\R.exe" CMD SHLIB addZeros.c

在 Windows 上，这应该生成一个 DLL（在 Linux 中为 .so），但如果您还没有 R -toolbox 您应该下载并安装它（它是一个工具集合，例如 Perl 和 Mingw）。
http://www.murdoch-sutherland.com/Rtools/

R 包装函数这将是：

addZeros2 <- function(x, N) {
    if (!is.loaded("addZeros"))
        dyn.load(file.path(paste("addZeros", .Platform$dynlib.ext, sep = "")))
    .C("addZeros",
        x = as.integer(x),
        as.integer(N),
        as.integer(NROW(x)))$x
}

请注意，R 中的工作目录应与之前的 DLL 相同（在我的系统上 setwd("C:/Users/eyjo/Documents/Forrit/R/addZeros")）第一次调用 addZeros R 函数（或者，在 dyn.load 中仅包含 dll 文件的完整路径）。最好将它们保存在项目下的子目录中（即“c”），然后只需在文件路径中的“addZeros”前面添加“c/”。

举例说明：

> x <- rbinom(1000000, 1, 0.9)
>
> system.time(addZeros(x, 10))
   user  system elapsed 
   0.45    0.14    0.59 
> system.time(addZeros(x, 400))
   user  system elapsed 
  15.87    3.70   19.64 
> 
> system.time(addZeros2(x, 10))
   user  system elapsed 
   0.01    0.02    0.03 
> system.time(addZeros2(x, 400))
   user  system elapsed 
   0.03    0.00    0.03 
> 

其中“addZeros”是我最初的建议，仅使用内部 R，而 addZeros2 使用 C 函数。

Answer 3

x <- c(1,1,1,1,1,1,1,1,0,0,0,0,1,1,1,1,1,1,1,1,1,1,1,1,0,0,0,0,0,0,0,0,0,1,1,1,1,1,1,1,1,1,1,1,0,0,1,1,0,1)

n <- 3
z<-rle(x)
tmp <- cumsum(z$lengths)

for (i in seq(which.min(z$values),max(which(z$values==1)),2)) {
         if  (z$lengths[i+1] < n)   x[tmp[i]:(tmp[i] + z$lengths[i+1])] <- 0
         else                       x[tmp[i]:(tmp[i]+n)] <- 0
}

Answer 4

这是一种方法：

> tmp <- strsplit('1111111100001111111111110000000001111111111100101','')
> tmp <- as.numeric(unlist(tmp))
> 
> n <- 3
> 
> tmp2 <- embed(tmp, n+1)
> 
> tmp3 <- tmp
> tmp3[ which( apply( tmp2, 1, function(x) any(x==0) ) ) + n ] <- 0
> 
> paste(tmp3, collapse='')
[1] "1111111100000001111111110000000000001111111100000"

这是否比循环更好取决于您。

如果前 n 个元素中有 0，这也不会改变。

这是另一种方法：

> library(gtools)
> 
> tmpfun <- function(x) {
+ if(any(x==0)) {
+ 0
+ } else {
+ x[length(x)]
+ }
+ }
> 
> tmp4 <- running( tmp, width=4, fun=tmpfun, 
+ allow.fewer=TRUE )
> 
> tmp4 <- unlist(tmp4)
> paste(tmp4, collapse='')
[1] "1111111100000001111111110000000000001111111100000"
> 

Answer 5

跟进我之前的评论，如果速度实际上是一个问题 - 将向量转换为字符串并使用正则表达式可能比其他解决方案更快。第一个函数：

replaceZero <- function(x,n){
    x <- gsub(paste("01.{",n-1,"}", sep = "") , paste(rep(0,n+1),collapse = ""), x)
}

生成数据

z <- sample(0:1, 1000000, replace = TRUE)

z <- paste(z, collapse="")
repz <- replaceZero(z,3)
repz <- as.numeric(unlist(strsplit(repz, "")))

系统时间崩溃，运行正则表达式，然后拆分回向量：

Regex method
   user  system elapsed 
   2.39    0.04    2.39 
Greg's method
   user  system elapsed 
   17.m39    0.17   18.30
Jonathon's method
   user  system elapsed 
   2.47    0.02    2.31 

Answer 6

我真的很喜欢使用“正则表达式”的想法，所以我对此投了赞成票。 （希望我也得到了 rle 答案，并从嵌入和运行答案中学到了一些东西。很好！）这是 Chase 答案的一个变体，我认为它可以解决所提出的问题：

replaceZero2 <- function(x, n) {
  if (n == 0) {
    return(x)
  }
  xString <- paste(x, collapse="")
  result <- gsub(paste("(?<=",
             paste("01{", 0:(n - 1), "}", sep="", collapse="|"),
             ")1", sep=""),
       "0", xString, perl=TRUE)
  return(as.numeric(unlist(strsplit(result, ""))))
}

这似乎与 Chang 的 rle 方法产生相同的结果= 1,2,3,4,5（gd047 的示例输入）。

也许你可以使用 \K 来更干净地写这个？

Answer 7

我自己找到了解决方案。
我认为这很容易而且不是很慢。
我想如果有人可以用 C++ 编译它，它会非常快，因为它只有一个循环。

f5 <- function(z, N) {
   x <- z
   count <- 0
   for (i in 1:length(z)) {
     if (z[i]==0) { count <- N }
     else {
       if (count >0) { 
          x[i] <- 0  
          count <- count-1 }
   }
}
x
}

Answer 8

使用移动最小值函数非常快速、简单，并且不依赖于跨度分布：

x <- rbinom(1000000, 1, 0.9)
system.time(movmin(x, 3, na.rm=T))
# user  system elapsed 
# 0.11    0.02    0.13 

以下 movmin 的简单定义就足够了（完整的函数具有一些对于这种情况多余的功能，例如使用 van Herk/Gil-Werman 算法对于大 N）

movmin = function(x, n, na.rm=F) {
  x = c(rep.int(NA, n - 1), x) # left pad
  do.call(pmin, c(lapply(1:n, function(i) x[i:(length(x) - n + i)]), na.rm=na.rm))
}

---

实际上您需要窗口大小为 4，因为您会影响零后面的 3 个值。这与您的 f5 匹配：

x <- rbinom(1000000, 1, 0.9)
all.equal(f5(x, 3), movmin(x, 4, na.rm=T))
# [1] TRUE