寻找单调序列并考虑达到最大值时重新启动序列

我有一个 data.table 说 dt

name <- letters[1:22]
score <- c(42, 82, 43, 32, 47, 48, 49, 50, 54, 59, 
           76, 9, 13, 88, 91, 99, 4, 6, 8, 12, 14, 15)
class <- rep(c('c1', 'c2', 'c3'), c(7, 3, 12))
dt <- data.table(name, score, class)

看起来像：

> dt
    name score class
 1:    a    42    c1
 2:    b    82    c1
 3:    c    43    c1
 4:    d    32    c1
 5:    e    47    c1
 6:    f    48    c1
 7:    g    49    c1
 8:    h    50    c2
 9:    i    54    c2
10:    j    59    c2
11:    k    76    c3
12:    l     9    c3
13:    m    13    c3
14:    n    88    c3
15:    o    91    c3
16:    p    99    c3
17:    q     4    c3
18:    r     6    c3
19:    s     8    c3
20:    t    12    c3
21:    u    14    c3
22:    v    15    c3

我只需要那些遵循每堂课分数单调序列的记录。在这种情况下，c1 类仅记录分数为 42, 43,47,48 49，给定类最多可以有 3 个连续的乱序分数。因此，第 2 行（分数 = 82）也是一个乱序分数。

c2 类的成绩为 50、54、59。

在“c3”类中，分数为 76,88,91,99,04,06,08,12,14,15。这里序列已达到最大值（99），然后重新开始。 “c3”类中的 09 分和 13 分不属于单调序列，因此需要删除。

我想删除那些 c1、c2、c3 类中提到的分数不按顺序排列的记录。总共有 100 万条记录。

最终的输出应该是这样的。

> dt
    name score class
 1:    a    42    c1
 2:    c    43    c1
 3:    e    47    c1
 4:    f    48    c1
 5:    g    49    c1
 6:    h    50    c2
 7:    i    54    c2
 8:    j    59    c2
 9:    k    76    c3
10:    n    88    c3
11:    o    91    c3
12:    p    99    c3
13:    q     4    c3
14:    r     6    c3
15:    s     8    c3
16:    t    12    c3
17:    u    14    c3
18:    v    15    c3

为了找到单调的序列我尝试过：

dt <- dt[, .SD[score == cummax(score)],class]

但这也删除了达到最大值后重新启动的序列。

实际上，序列重新启动的最大值为 999999，尽管在本示例中我将最大值设为 99。我该如何执行此操作。

这主要可以使用dplyr

dts <- dt %>% 
       group_by(class) %>% 
       mutate(f = ifelse( (score - lead(score) > 0 & lag(score) - score <0) | 
                          (score - lead(score) < 0 & lag(score) - score > 0) , 1, 0)) %>%
       mutate(f = ifelse(is.na(f), 0, f)) %>%
       mutate(g = ifelse((lead(f) == 1 & f == 1)| (lag(f) == 1 & f == 1 ), 2, 0) )) %>%
       filter(f + g != 1)

正如我所说，这基本上可以帮助你实现目标。这样做的问题是你将得到 19 个观察值（保留id = m）而不是 18。您可以做的是重新运行它dts消除id = m。或者，如果这是一个更大集合的子集，您可以使用for or while循环。这样做的原因是因为lead and lag函数只检查上面和下面的一个索引。

另一种选择是一种称为推-流行技术的老式技术，但我会远离这种技术。