Discussion :

[mauriceletendu]

Bonjour,
Voici mon problème : j'ai une colonne d'un data.frame dont les valeurs ressemblent à ceci :
0,0,0,0,0,0,0,1,5,10,15,18,19,0,0,0,0,0,0,1,2,5,9,7,10,11,12,0,0,0,0,0,0

J'aimerais récupérer les indices de chaque commencement et chaque fin de série non égale à zéro.

Mon but c'est ceci , j'ai 2 colonnes
par exemple

15 0
16 0
16 0
14 0
13 2
24 6
10 5
5 0
4 0

La deuxième colonne correspond à celle décrite plus haut. Je veux faire la moyenne de la première colonne sur chaque période ou la deuxième colonne n'est pas égale à zéro. Par exemple là ce serait mean(13,24,10).

Je peux faire ceci en mettant plein de conditions et boucles, mais j'aimerais savoir si en R il n'y aurait pas une astuce....

Quelqu'un a une idée ?

[chautho]

Alors un petit début d'idée rapide qui pourra certainement t'aider : essaye d'utiliser la commande which()

En effet, si tu fais :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

which(colonne2 != 0)

Cela te retournera un vecteur avec les positions des éléments de colonne2 non nuls.

Si tu fais :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

colonne1[colonne2 !=0]

Tu récupères les éléments de colonne1 correspondant aux éléments non-nuls de colonne2.

Regarde du coté de la fonction subset() peut-être aussi !

Bon courage

[Yoan73]

Salut,

Comme dit plus haut, la fonction "subset" peut répondre à ce genre de problèmes.


Exemple :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
 
> data
  col1 col2
1   15    0
2   16    0
3   16    0
4   14    2
5   15    6
6   12    7
7   13    0
8   15    2
9    9    0

On conserve seulement les lignes de "col2" différentes de 0 : subset(table,condition)

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
 
> data2 <- subset(data, col2 != 0)
> data2
  col1 col2
4   14    2
5   15    6
6   12    7
8   15    2

Et on obtient le résultat souhaité sur nos données filtrées.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
 
> mean(data2$col1)
[1] 14

Voila, bonne journée,

Yoan

[mauriceletendu]

Merci ça va peut être m'être utile cette fonction subset().

Le problème c'est que j'ai plusieurs séries non égales à zéro dans la même colonne et une moyenne doit être calculée pour chaque série.

par exemple:
col2
0
0
0
0
5
2
1
4
0
0
0
0
4
1
2
3
0
0
0

Deux moyennes doivent être calculées
En bidouillant avec subset et d'autres fonctions, ça doit être faisable. Après, mon but est de simplifier le code au mieux pour progresser en R

[Theta]

Je pense que tu n'as pas d'autre choix que de faire une boucle (for), les fonctions "préfabriquées" de R ne permettent pas, à ma connaissance, de faire des opérations sur des dataframes en tenant compte de l'ordre des lignes.

Du coup je ferait un truc comme ça par exemple :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
 
df=data.frame(a=c(0,0,0,1,2,3,0,0,4,5,6,0,0))
serie=1
for(i in 1:length(df$a)){
    if(df$a[i] == 0){
        df$serie[i] = 0
    }else{
         if(i != 1 & df$a[i-1] == 0){serie = serie + 1}
        df$serie[i] = serie
    }
}

Et ensuite tu fait un aggregate sur la colonne "série".

[Yoan73]

Hello,

dans ce cas, je te conseille de passer par la fonction tapply(VecteurDeDonnées, Filtre, Statistique)

Pour ton exemple, je vais te détailler la façon dont on peut s'y prendre. Imaginons que l'on ait ces données.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
 
> data
  valeur serie
1     15     1
2     20     2
3     10     3
4     14     1
5      7     3
6      8     2

On cherche à avoir une moyenne pour chacune des trois séries. Il convient donc de définir combien notre jeu de données à de séries et quel sont leur nom (ici c'est 1, 2 et 3 mais dans d'autres jeu de données, cela pourrait changer).

Pour cela, un facteur est tout indiqué. Il permet de reconnaître toutes les valeurs différentes que contient la variable série. On va donc passer notre colonne série de "vecteur" à "facteur".

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
 
# série sous la forme d'un vecteur
> data$serie
[1] 1 2 3 1 3 2
 
# série sous la forme d'un facteur
> data$serie = as.factor(data$serie)
> data$serie
[1] 1 2 3 1 3 2
Levels: 1 2 3

L'information "levels" (ou niveaux) nous donne donc toutes les valeurs possibles de notre colonne.

Il ne reste donc plus qu'à mettre en place notre fonction tapply.
Elle prend en paramètre :
- notre liste de notes
- notre facteur avec ces niveaux
- ce que l'on souhaite calculer

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
 
> tapply(data$valeur, data$serie, mean)
   1    2    3 
14.5 14.0  8.5

On obtient donc les 3 moyennes que l'on souhaitait avoir.

EDIT :
Il est possible de recoder (regrouper) les niveaux. Si par exemple, je veux calculer seulement 2 moyennes en regroupant les niveaux 2 et 3. Je voudrais avoir la moyenne de la série 1 ainsi que la moyenne de la série 2+3.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
 
# On recode les valeurs qui prennent 3 en 2
> data$serie[data$serie == "3"] <- "2"
# On exclu les niveaux inutilisés (ici le niveau 3)
> data$serie<- factor(data$serie,exclude=NULL)

On se retrouve donc avec un résultat différent.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
 
# le nouveau facteur à 2 niveaux
> data$serie
[1] 1 2 2 1 2 2
Levels: 1 2
 
#Le  nouveau calcul des moyennes
> tapply(data$valeur, data$serie, mean)
    1     2 
14.50 11.25

La moyenne du niveau 1 ne change pas et c'est bien normal.
La moyenne du niveau 2 prend en compte les quatre autres valeurs et donc sa valeur change en fonction de notre recodage

Une image du tableau final pour comprendre le changement

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
 
> data
  valeur serie
1     15     1
2     20     2
3     10     2
4     14     1
5      7     2
6      8     2

Cordialement,

Yoan

[Sengar]

Merci ça va peut être m'être utile cette fonction subset().

Le problème c'est que j'ai plusieurs séries non égales à zéro dans la même colonne et une moyenne doit être calculée pour chaque série.

Deux moyennes doivent être calculées
En bidouillant avec subset et d'autres fonctions, ça doit être faisable. Après, mon but est de simplifier le code au mieux pour progresser en R

Salut,
Tu as bien raison d'essayer de le faire en vectoriel!

Le problème ici n'est pas tant de calculer la moyenne, mais d'arriver à nommer tes séries, 1,2,3 etc... le tout sans faire de boucles!

Une solution sympa en vectoriel:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

#exemple : ici il y a trois séries de moyenne 2, 4 et 2.5
x<-c(0,0,0,3,1,2,0,0,0,5,4,3,0,0,2,3)
n<-length(x)

#on récupère le premier indice non nul pour chaque serie
x2<-c(x[1],as.numeric(x[2:n]!=0 & x[1:(n-1)]==0))
> x2
 [1] 0 0 0 1 0 0 0 0 0 1 0 0 0 0 1 0
#et on se rend compte qu'un cumsum de x2 conditionné par x!=0 revient à identifier le numéro de tes séries!
> cumsum(x2)*(x!=0)
 [1] 0 0 0 1 1 1 0 0 0 2 2 2 0 0 3 3
#il ne reste qu'à faire la moyenne
> tapply(x,cumsum(x2)*(x!=0),mean)
  0   1   2   3 
0.0 2.0 4.0 2.5 


#le tout sans boucle! ;)

[mauriceletendu]

Merci pour ce code, je vais voir ça cet aprèm