R语言：替换因子变量中连续出现≤8次的指定目标值

需求说明：
我有一个包含1500行的因子列，该列包含7个不同的因子水平，仅需针对其中名为"target"的水平进行处理：当"target"单次出现或连续出现不超过8行时，将这些行的值替换为"target"开始出现前一行的值。

示例数据：

set.seed(234)
var <- sample(1:7, 1500, replace = TRUE)
var <- factor(var, labels = c("one", "two", "three", "four", "five", "target", "seven"))
data <- data.frame(var)

解决方案 #

可以利用rle()函数识别连续重复的因子序列，再通过标记目标组、匹配前置值的方式完成替换，具体代码如下：

# 提取连续序列的长度与对应值
rle_obj <- rle(as.character(data$var))

# 标记需要替换的target组：值为target且连续长度≤8
replace_groups <- which(rle_obj$values == "target" & rle_obj$lengths <= 8)

# 为每个序列组匹配其前一个序列的值（第一个序列无前置值，保留自身）
prev_values <- c(rle_obj$values[1], rle_obj$values[-length(rle_obj$values)])

# 替换目标组的值为前置值
rle_obj$values[replace_groups] <- prev_values[replace_groups]

# 重构处理后的因子列
data$var_processed <- factor(inverse.rle(rle_obj))

逻辑说明 #

1. rle()函数会将连续重复的因子值压缩为「长度-值」的配对组，方便批量处理连续序列
2. 通过条件筛选出需要替换的短连续target组
3. 为每个序列组匹配其前一个序列的取值，避免替换后出现NA
4. 用inverse.rle()将压缩后的序列还原为完整列，再转回因子类型

测试验证 #

可以用一段小数据验证效果：

test_data <- data.frame(var = factor(c("one", "target", "target", "two", "target", "target", "target", "target", "target", "target", "target", "target", "target", "three")))

# 执行处理逻辑
rle_test <- rle(as.character(test_data$var))
replace_test <- which(rle_test$values == "target" & rle_test$lengths <=8)
prev_test <- c(rle_test$values[1], rle_test$values[-length(rle_test$values)])
rle_test$values[replace_test] <- prev_test[replace_test]
test_data$var_processed <- factor(inverse.rle(rle_test))

# 查看结果
test_data

结果中前2个连续的target会被替换为one，而连续9个的target会保留原值，符合需求。

内容的提问来源于stack exchange，提问作者reh