删除特定值之前和之后的特定值的运行

我有一个包含几列的数据框。基于“activity”列，我想删除特定值“pt”的整个连续运行，但前提是它们紧邻“outside”运行之前或之后发生。

在下面的简化数据中，有一次运行的“activity”为“outside”，并且前后都有大块“pt”。这两个“pt”块应该被删除。

   activity dist
1      home    1
2        pt    2 # <- run of 'pt' before run of 'outside': remove
3        pt    3 # <-
4        pt    4 # <- 
5   outside    5
6   outside    6
7        pt    7 # <- run of 'pt' after run of 'outside': remove
8        pt    8 # <-
9      work    9
10       pt   10
11       pt   11
12     home   12

因此，期望的输出是：

    activity dist 
 1      home    1 
 2   outside    5 
 3   outside    6 
 4      work    9 
 5        pt   10 
 6        pt   11 
 7      home   12 

如何才能实现这一目标？

dput数据的：

structure(list(activity = c("home", "pt", "pt", "pt", "outside", "outside", "pt", "pt", "work", "pt", "pt", "home"),
              dist = 1:12),
          class = "data.frame", row.names = c(NA, -12L))

您可以使用以下的一些便利功能data.table包裹：rleid到“[生成游程类型组 ID”，以及shift获取向量中焦点索引之前和之后的值。

library(data.table)
setDT(d)
d[ , r := rleid(activity)]

d[!(r %in% r[activity == "pt" & shift(activity, type = "lead") == "outside" |
               shift(activity) == "outside" & activity == "pt"])]

#    activity dist r
# 1:     home    1 1
# 2:  outside    5 3
# 3:  outside    6 3
# 4:     work    9 5
# 5:       pt   10 6
# 6:       pt   11 6
# 7:     home   12 7

解释：

强迫你的data.frame to a data.table (setDT(d)）。创建“活动”的游程长度索引（rleid）。检查当前值是否为“pt”且下一个值是否为“outside”（activity == "pt" & shift(activity, type = "lead") == "outside"), or (|) 如果当前值为 'pt' 并且先前值为 'outside' (activity == "pt" & shift(activity) == "outside").

这个条件在哪里TRUE，抓取要删除的运行组（r[<condition>]）。检查运行是否在要删除的组中（r %in% <run groups to be removed>）。如果是这样，请勿（!）在索引数据时保留这些行（d[<condition>])

base替代使用rle.

“outside”之前或之后的“pt”运行值替换为NA。 rle 被转换回向量 (inverse.rle）和行NA被删除（na.omit).

显然，如果有行NA在要保留的原始数据集中，需要使用另一个值进行替换。

with(rle(d$activity),
     values[c(which(head(values, -1) == "pt" & tail(values, -1) == "outside"),
              which(head(values, -1) == "outside" & tail(values, -1) == "pt") + 1)]) <- NA

d$activity = inverse.rle(r)
na.omit(d)