如何自動查找給定數據集中最大中斷的起始點R

Question

我正在嘗試查找給定數據的最大中斷的起點。這是我的例子：

data <- data.frame(month = c(1:12), countx = c(60,69,10,13,65,80,59,84,43,21,18,10)) 
select <- data[data$countx >= 50,]   #take value greater than 50 into account  

# find the break 
wtym <- select$month 
breaks <- c(0, which(diff(wtym) != 1), length(wtym)) 
allbreak <- sapply(seq(length(breaks) - 1), 
     function(i) wtym[(breaks[i] + 1):breaks[i+1]]) 
> allbreak 
[[1]] 
[1] 1 2 
[[2]] 
[1] 5 6 7 8 

的問題是：我需要找到這對大量數據集（和休息時間明顯變化），是有什麼辦法可以自動拾取的最大起點（在這個例子中，它是5號（缺口2號）？任何想法高度讚賞。謝謝

Answer 1

聽起來像一個運行長度編碼?rle任務，你正在尋找運行x < 50和x >= 50。這是一個功能：

bigbreak <- function(x, cutoff) { 
    r <- rle(x >= cutoff) 
    cumsum(r$l)[which(r$l == max(r$l[r$v]) & r$v)-1]+1 
} 

bigbreak(data$countx, 50) 
#[1] 5 

現在，讓我們嘗試在500萬個記錄：

set.seed(1) 
x <- sample(c(50,0), 5e6, replace=TRUE) 
system.time({ 
    bigbreak(x, 50) 
}) 
# user system elapsed 
# 0.41 0.00 0.41 

在半秒，不是太糟糕。

Answer 2

使用dplyr和data.table的解決方案。

# Create example data frame 
data <- data.frame(month = c(1:12), countx = c(60,69,10,13,65,80,59,84,43,21,18,10)) 

# Load package 
library(dplyr) 
library(data.table) 

# Process the data 
data2 <- data %>% 
    mutate(Condition = countx >= 50) %>% 
    mutate(RunID = rleid(Condition)) %>% 
    filter(Condition) %>% 
    group_by(RunID) %>% 
    mutate(num = n()) %>% 
    ungroup() %>% 
    filter(num == max(num)) 

# Show the number of the first month 
data2$month[1] 
[1] 5