找到间隔可能重叠的向量中值的间隔索引

Question

我想要找到属于由结束值向量和1）“回溯”值间隔定义的间隔的向量中的值的索引和2）前N个值。

假设我有

x <- c(1,3,4,5,7,8,9,10,13,14,15,16,17,18) #the vector of interest 
v_end <- c(5, 7, 15) #the end values 
l<-3 #look-back value interval 
N<-3 #number of value to look back 

我要的是下面的输出的第二和第三列。

 x i n 
[1,] 1 0 1 
[2,] 3 1 1 
[3,] 4 1 1 
[4,] 5 1 1 
[5,] 7 1 1 
[6,] 8 0 0 
[7,] 9 0 0 
[8,] 10 0 1 
[9,] 13 1 1 
[10,] 14 1 1 
[11,] 15 1 1 
[12,] 16 0 0 
[13,] 17 0 0 
[14,] 18 0 0 

请注意，v_end和l导致三个区间[2,5]，[4,7]，[12,15]。 [2,5]和[4,7]有重叠，本质上是[2,7]。 而且，v_end和l导致三个区间[1,5]，[3,7]，[10,15]。再次有重叠。

该任务与函数findInterval {base}类似，但无法通过它解决。

Answer 1

具有有序 “V_END” 和 “x”（用于 “N” 的情况下），对于 “L” 的情况下的间隔是：

ints = cbind(start = v_end - l, end = v_end) 
ints 
#  start end 
#[1,]  2 5 
#[2,]  4 7 
#[3,] 12 15 

它们重叠可以与被分组：

overlap_groups = cumsum(c(TRUE, ints[-nrow(ints), "end"] < ints[-1, "start"])) 

其可用于以减少重叠的间隔：

group_end = cumsum(rle(overlap_groups)$lengths) 
group_start = c(1L, group_end [-length(group_end)] + 1L) 

ints2 = cbind(start = ints[group_start, "start"], end = ints[group_end, "end"]) 
ints2 
#  start end 
#[1,]  2 7 
#[2,] 12 15 

然后，使用findInterval：

istart = findInterval(x, ints2[, "start"]) 
iend = findInterval(x, ints2[, "end"], left.open = TRUE) 

i = as.integer((istart - iend) == 1L) 
i 
# [1] 0 1 1 1 1 0 0 0 1 1 1 0 0 0 

对于 “N” 的情况下，先从：

ints = cbind(start = x[match(v_end, x) - N], end = v_end) 
ints 
#  start end 
#[1,]  1 5 
#[2,]  3 7 
#[3,] 10 15 

并按照上面的步骤，我们得到：

#..... 
n = as.integer((istart - iend) == 1L) 
n 
# [1] 1 1 1 1 1 0 0 1 1 1 1 0 0 0 

一般来说，对于这样操作的方便工具在这里，“IRanges”包使得这种方法简单明了：

library(IRanges) 

xrng = IRanges(x, x) 
i = as.integer(overlapsAny(xrng, reduce(IRanges(v_end - l, v_end), min.gapwidth = 0))) 
i 
# [1] 0 1 1 1 1 0 0 0 1 1 1 0 0 0 
n = as.integer(overlapsAny(xrng, reduce(IRanges(x[match(v_end, x) - N], v_end), min.gapwidth = 0))) 
n 
# [1] 1 1 1 1 1 0 0 1 1 1 1 0 0 0