Question

我试图计算R中数据帧的最小范围。数据框如下所示：

+-----+--------------+-----------+------+------+
| Key | DaysToEvent  | PriceEUR  | Pmin | Pmax |
+-----+--------------+-----------+------+------+
| AAA | 120          |        50 |   50 |   50 |
| AAA | 110          |        40 |   40 |   50 |
| AAA | 100          |        60 |   40 |   60 |
| BBB | ...          |           |      |      |
+-----+--------------+-----------+------+------+

所以范围最低价格（Pmin）保留该关键字的最低价格，直至该时间点（DaysToEvent）。

这是我的实施：

for (i in 1:nrow(data)){
  currentRecord <- data[i,]

  if(currentRecord$Key != currentKey) {
    # New key detected - reset pmin and pmax
    pmin <- 100000
    pmax <- 0
    currentKey <- currentRecord$Key
  }

  if(currentRecord$PriceEUR < pmin) {
    pmin <- currentRecord$PriceEUR
  }
  if(currentRecord$PriceEUR > pmax) {
    pmax <- currentRecord$PriceEUR
  }

  currentRecord$Pmin <- pmin
  currentRecord$Pmax <- pmax

  # This line seems to be killing my performance
  # but otherwise the data variable is not updated in
  # global space
  data[i,] <- currentRecord
}

这有效 - 但真的很慢，只有每秒几个。它之所以有效，是因为我对数据框进行了排序，如data = data[order(data$Key, -data$DaysToEvent), ]。这样做的原因是因为我希望得到nlog(n)的Big-O用于排序，而n用于for循环。所以我以为我会飞过这些数据，但我并不是全部 - 需要几个小时。

如何让它更快？

之前的方法来自我的同事 - 这里是伪：

for (i in 1:nrow(data)) {
    ...
    currentRecord$Pmin <- data[subset on the key[find the min value of the price 
                      where DaysToEvent > currentRecord$DaysToEvent]]
    ...
}

也有效 - 但我认为这个功能的顺序更高。 n^2log(n)如果我正确并需要数天。所以我以为我会在那么重要的时候改进。

所以我tried to get my head around了解各种*apply，by函数，当然还有你真正想要使用的函数。

但是 - 如果我使用by()然后拆分密钥。让我非常接近。但是，我无法绕过如何获得最小/最大范围。我试图在功能范式中思考，但我陷入了困境。任何帮助表示赞赏。

Answer 1

[原始答案：dplyr]

您可以使用dplyr包解决此问题：

library(dplyr)
d %>% 
  group_by(Key) %>% 
  mutate(Pmin=cummin(PriceEUR),Pmax=cummax(PriceEUR))

#   Key DaysToEvent PriceEUR Pmin Pmax
# 1 AAA         120       50   50   50
# 2 AAA         110       40   40   50
# 3 AAA         100       60   40   60
# 4 BBB         100       50   50   50

其中d应该是您的数据集：

d <- data.frame(Key=c('AAA','AAA','AAA','BBB'),DaysToEvent = c(120,110,100,100),PriceEUR = c(50,40,60,50), Pmin = c(50,40,40,30), Pmax = c(50,50,60,70))

[更新：data.table]

另一种方法是使用data.table，其表现非常出色：

library(data.table)
DT <- setDT(d)
DT[,c("Pmin","Pmax") := list(cummin(PriceEUR),cummax(PriceEUR)),by=Key]

DT
#    Key DaysToEvent PriceEUR Pmin Pmax
# 1: AAA         120       50   50   50
# 2: AAA         110       40   40   50
# 3: AAA         100       60   40   60
# 4: BBB         100       50   50   50

[更新2：基础R]

如果出于某种原因你只想使用基数R，那么这是另一种方法：

d$Pmin <- unlist(lapply(split(d$PriceEUR,d$Key),cummin))
d$Pmax <- unlist(lapply(split(d$PriceEUR,d$Key),cummax))

在R数据帧中查找最小范围

1 个答案: