如何根据一定数量的连续零值对data.frame进行分段并在R中给它们排序[重复]

我目前正在处理汽车数据。我们每5分钟记录一次汽车的速度，其中包含很多零值。我的问题是，如何按零值对数据进行分段，并在 R 中为每个非零部分指定一个有序数？ 我们以一个样本数据为例：

sample <- data.frame(
  id = 1:15, 
  speed = c(50,0, 0, 30, 50, 40,0, 0, 25, 30, 50, 0, 30, 50, 40))

我想添加一个新列，为每个非零部分提供一个数字（从 1 开始），而连续的 k 个零速度（或更多）编号为 0。 具体来说，对于这个示例数据，假设 k 等于 2，那么我想要的结果应该像这样的数据框：

sample_new <- data.frame(
  id = 1:15, 
  speed = c(50,0, 0, 0, 50, 40,0, 0, 25, 30, 50, 0, 30, 50, 40), 
  number = c(1, 0, 0, 0, 2, 2, 0 ,0, 3, 3, 3, 3, 3, 3, 3))

打印为

   id speed number
1   1    50      1
2   2     0      0
3   3     0      0
4   4     0      0
5   5    50      2
6   6    40      2
7   7     0      0
8   8     0      0
9   9    25      3
10 10    30      3
11 11    50      3
12 12     0      3** <- here is the difference
13 13    30      3
14 14    50      3
15 15    40      3

我的数据有超过 100 万行，所以我希望该解决方案的速度可以接受。

设置阈值“k”的原因是，一些驾驶员即使锁车并睡觉也只是将GPS打开。但在其他间隔小于 k 的情况下，他们只是因为十字路口的灯而停下来。我想专注于长时间的停留，而忽略短暂的停留。

希望我的问题对您有意义。谢谢。

由于处理速度是超过1M行的生产数据集的一个问题，我建议使用data.table.

识别后续非零条目的组非常容易：

library(data.table)
setDT(sample)[, number := rleid(speed > 0 ) * (speed > 0)][]

    id speed number
 1:  1    50      1
 2:  2     0      0
 3:  3     0      0
 4:  4    30      3
 5:  5    50      3
 6:  6    40      3
 7:  7     0      0
 8:  8     0      0
 9:  9    25      5
10: 10    30      5
11: 11    50      5
12: 12     0      0
13: 13    30      7
14: 14    50      7
15: 15    40      7

组编号不同，但编号不连续。如果这是一个要求，那就会变得棘手：

setDT(sample)[, number := as.integer(factor(rleid(speed > 0 ) * (speed > 0), exclude = 0))][]

    id speed number
 1:  1    50      1
 2:  2     0     NA
 3:  3     0     NA
 4:  4    30      2
 5:  5    50      2
 6:  6    40      2
 7:  7     0     NA
 8:  8     0     NA
 9:  9    25      3
10: 10    30      3
11: 11    50      3
12: 12     0     NA
13: 13    30      4
14: 14    50      4
15: 15    40      4

如果确实需要的话，NAs 可以替换为 0

setDT(sample)[, number := as.integer(factor(rleid(speed > 0 ) * (speed > 0), exclude = 0))][
  is.na(number), number := 0][]

还有一种替代方法

setDT(sample)[, number := {
  tmp <- speed > 0
  cumsum(tmp  - shift(tmp, fill = 0, type = "lag") > 0) * tmp
}][]

    id speed number
 1:  1    50      1
 2:  2     0      0
 3:  3     0      0
 4:  4    30      2
 5:  5    50      2
 6:  6    40      2
 7:  7     0      0
 8:  8     0      0
 9:  9    25      3
10: 10    30      3
11: 11    50      3
12: 12     0      0
13: 13    30      4
14: 14    50      4
15: 15    40      4