提取向量中元素高于给定阈值的所有子集

Question

我想知道是否有一种 R 方法（一个线性）来提取一个向量的所有子集的坐标，这些子集高于给定阈值。假设我有以下数据：

v =  c(3.48, 2.59, 1.73, 0.91, 0.13, -0.63, -1.34, -2.03, -2.67, -3.28, -3.04, -2.15, -1.20, -0.19, 0.84, 1.86, 2.84, 3.77, 4.60, 5.31, 4.16, 2.87, 1.89, 0.51, 0.23, 0.78, 1.34, 2.63, 1.72, 0.62, 0.98, 1.45)

假设我有 threshold = 0.7。所需的输出将是：

left    right
1       4
15      23
26      29
31      32

我原则上可以写一个 while 循环或某种形式，子集 v 并处理这些区域的 left 和 right 坐标，例如：

left = which(subset >= threshold)[1] + right
right = which(subset[left:length(subset)] < threshold)[1] - 1 # -1 to get the last element above the threshold

subset = v[(right + 1):length(v)]

（未测试），但我确定有一种 R 方式我似乎不记得了。

我看过 here 但这并不是我真正想要的。感谢任何帮助。

Answer 1

您可以使用 rle() 来查找超过阈值的运行值。当你可以把它变成你想要的格式时

rle(v>.7) |>
  with(
    data.frame(start=1, end=cumsum(lengths)) |> 
      transform(start=c(1, head(end, -1) + 1)) |> 
      subset(values)
  )

还有那个returns

  start end
1     1   4
3    15  23
5    26  29
7    31  32

这与几乎相同，主要区别在于在布尔条件上使用 rle()，然后仅子集化为 TRUE 值。

Answer 2

相同的解决方案，但使用 data.table

v =  c(3.48, 2.59, 1.73, 0.91, 0.13, -0.63, -1.34, -2.03, -2.67, -3.28, -3.04, -2.15, -1.20, -0.19, 0.84, 1.86, 2.84, 3.77, 4.60, 5.31, 4.16, 2.87, 1.89, 0.51, 0.23, 0.78, 1.34, 2.63, 1.72, 0.62, 0.98, 1.45)

data.table(v)[, .(start = .I[1], end = .I[.N], keep = unique(v > 0.7)), by = rleid(v > 0.7)][keep == T, .(start, end)]

#    start end
# 1:     1   4
# 2:    15  23
# 3:    26  29
# 4:    31  32

提取向量中元素高于给定阈值的所有子集

Extract all subsets in vector where elements are above a given threshold

r

vector

subset