我有一个数据框，其中有2718个观察值，其中一列感兴趣。这是使用diff()创建的第一个差异系列。为了方便起见，让我们创建一个类似于数据的虚假向量，假装v是第一个差异系列。引入NA以使其与原始数据类似。
# Create fake first difference series vector v
v <- runif(2718, -0.05, 0.05)
v <- append(NA, diff(v))
# Insert NAs at the beginning and end
v[c(1:8, 2712:2718)] <- NA
# Insert some NAs at random places in v
ind <- which(v %in% sample(v, 7))
v[ind] <- NA
我对显示增加和减少行为的v序列感兴趣。具体来说，我想分别提取连续增加和减少的v序列。在递增的序列中，v的每个元素不能小于其前一个元素，并且在递减的序列中，v的每个元素不能大于其前一个元素。在绘制v时尝试画出这一点：每当曲线没有减少（即上升或保持水平）时，它是一个递增的序列，每当曲线没有增加（即下降或保持水平）时，它是一个递减的序列。
澄清一下，程序可以解释为：
i中的给定值v，并将其与前一个值i-1进行比较i大于或等于i-1，则序列符合增加条件;如果i小于或等于i-1，则序列符合减少条件。i元素i-1到i没有变化（即i-1和i相等），则序列会继续，就像{NA时一样1}}发生由于v是第一个差异系列，因此提取的元素i（第3个项目符号点）已经表示增加/减少。目前，我不想限制序列的长度，因此序列可能已经由两个元素给出。
我想将i v元素存储在一个新的向量中（例如inc.v和dec.v），然后找到序列的最大值和平均值增加/减少量，以及这些序列的最大和平均长度。元素应存储在inc.v或dec.v中，与v中的原始位置相关联，因此我可以追溯它们。 inc.v和dec.v中的每个序列在被NA元素分隔时应该很容易区分。
我尝试用for循环和条件语句写这个但是没有做得太远：
inc.v <- NULL
dec.v <- NULL
for (i in 2:length(v)) {
if(!v[i] < v[i-1] | is.na(v[i])) {
inc.v[i] <- v[i]
} else if (!v[i] > v[i-1] | is.na(v[i])) {
dec.v[i] <- v[i]
} else {
next
}
}
if和else if语句代表第五个要点。我知道当i等于i-1时，它可以同时作为递增和递减序列，并且应该添加到先前存储的任何序列中。我只是不知道如何实现它。我认为序列将非常短，因为数据是嘈杂的，没有减少/没有增加的时期不会长期存在。因此，也可以尝试使用例如此操作。 50/100点移动平均值：
# A symmetric 50 points moving average for v
f50 <- rep(1/51,51)
v_smooth <- filter(v, f50, sides = 2)
从现在开始运行循环时，对第一个条件的评估会产生NA，从而给出错误：
Error in if (!v[i] < v[i - 1] | is.na(v[i])) { :
missing value where TRUE/FALSE needed
我不太明白这里发生了什么，因为is.na()语句应该保护TRUE或FALSE参数？！
很高兴听到你的想法！
答案 0 :(得分：2)
您应该进行矢量化而不是循环，并在差异向量上使用直接条件来创建包含inc和dec的新列。当你想要平滑时它的工作原理是一样的。这是一个例子：
library(data.table)
plouf <- setDT(list( v = v, diff = c(NA,diff(v))))
plouf[diff > 0,inc := v]
plouf[diff < 0, dec := v]
f50 <- rep(1/51,51)
plouf[,v_smooth := filter(v, f50, sides = 2)]
plouf[,diff_smooth :=c(NA,diff(v_smooth))]
plouf[diff_smooth > 0,inc_smooth := v_smooth]
plouf[diff_smooth < 0, dec_smooth := v_smooth]
要提取减小值，您需要创建一个分组变量，该变量在每次更改diff时都会增加，因此我们可以使用by
plouf[,grouptmp := abs(c(NA,diff(ifelse(diff>0,1,0))))]
plouf[is.na(grouptmp),grouptmp:= 0]
plouf[,group := cumsum(grouptmp)]
plouf[,decvalue := dec[.N] - dec[1], by = group]
plouf[,incvalue := inc[.N]-inc[1], by = group]
v diff inc dec group decvalue grouptmp
1: NA NA NA NA 0 NA 0
2: NA NA NA NA 0 NA 0
3: NA NA NA NA 0 NA 0
4: NA NA NA NA 0 NA 0
5: NA NA NA NA 0 NA 0
6: NA NA NA NA 0 NA 0
7: NA NA NA NA 0 NA 0
8: NA NA NA NA 0 NA 0
9: -0.0344851657 NA NA NA 0 NA 0
10: 0.0788633499 0.1133485156 0.0788633499 NA 0 NA 0
11: -0.0415118591 -0.1203752090 NA -0.0415118591 1 0.000000000 1
12: 0.0557818390 0.0972936981 0.0557818390 NA 2 NA 1
13: -0.0314433977 -0.0872252367 NA -0.0314433977 3 0.000000000 1
14: 0.0098391432 0.0412825409 0.0098391432 NA 4 NA 1
15: -0.0147885296 -0.0246276728 NA -0.0147885296 5 0.000000000 1
16: -0.0009157661 0.0138727635 -0.0009157661 NA 6 NA 1
17: 0.0303060166 0.0312217827 0.0303060166 NA 6 NA 0
18: -0.0384165912 -0.0687226078 NA -0.0384165912 7 -0.005185349 1
19: -0.0436019399 -0.0051853487 NA -0.0436019399 7 -0.005185349 0
20: 0.0821260908 0.1257280307 0.0821260908 NA 8 NA 1
21: -0.0172987636 -0.0994248545 NA -0.0172987636 9 -0.003255037 1
22: -0.0205538005 -0.0032550369 NA -0.0205538005 9 -0.003255037 0
23: -0.0114417208 0.0091120797 -0.0114417208 NA 10 NA 1
24: 0.0524503477 0.0638920686 0.0524503477 NA 10 NA 0
25: -0.0105871856 -0.0630375333 NA -0.0105871856 11 -0.047042624 1
26: -0.0576298093 -0.0470426237 NA -0.0576298093 11 -0.047042624 0
27: 0.0031608195 0.0607906288 0.0031608195 NA 12 NA 1
28: -0.0009828784 -0.0041436979 NA -0.0009828784 13 0.000000000 1
29: 0.0167153471 0.0176982255 0.0167153471 NA 14 NA 1
30: 0.0088964230 -0.0078189241 NA 0.0088964230 15 -0.033234568 1
31: 0.0065035882 -0.0023928348 NA 0.0065035882 15 -0.033234568 0
32: -0.0243381450 -0.0308417332 NA -0.0243381450 15 -0.033234568 0
然后，您可以轻松找到最好的或做任何你想做的事。
答案 1 :(得分：1)
你应该尝试使用矢量化方法，这可能是一种更清晰的方法来查找增加或减少序列的运行：
library(data.table)
data <- as.data.table(v)
data[, vl := shift(v, 1)]
data[, runs := rleid(vl > v)]
使用data.table库