向包含行的data.table添加倒计时列,直到遇到特殊行

时间:2013-03-05 18:32:43

标签: r data.table

我有data.table有序数据,我想添加一个列,告诉我有多少记录,直到我找到一个重置倒计时的“特殊”记录。

例如:

DT = data.table(idx = c(1,3,3,4,6,7,7,8,9), 
                name = c("a", "a", "a", "b", "a", "a", "b", "a", "b"))
setkey(DT, idx)
#manually add the answer
DT[, countdown := c(3,2,1,0,2,1,0,1,0)]

给予

> DT
   idx name countdown
1:   1    a         3
2:   3    a         2
3:   3    a         1
4:   4    b         0
5:   6    a         2
6:   7    a         1
7:   7    b         0
8:   8    a         1
9:   9    b         0

查看倒计时列如何告诉我有多少行,直到一行称为“b”。 问题是如何在代码中创建该列。

请注意,密钥间隔不均匀,可能包含重复项(因此在解决问题时不是很有用)。一般来说,非b名称可能不同,但如果解决方案需要,我可以添加一个只有True / False的虚拟列。

3 个答案:

答案 0 :(得分:7)

这是另一个想法:

## Create groups that end at each occurrence of "b"
DT[, cd:=0L]
DT[name=="b", cd:=1L]
DT[, cd:=rev(cumsum(rev(cd)))]
## Count down within them
DT[, cd:=max(.I) - .I, by=cd]
#    idx name cd
# 1:   1    a  3
# 2:   3    a  2
# 3:   3    a  1
# 4:   4    b  0
# 5:   6    a  2
# 6:   7    a  1
# 7:   7    b  0
# 8:   8    a  1
# 9:   9    b  0

答案 1 :(得分:6)

我确信(或者至少有希望)会生成纯粹的“data.table”解决方案,但与此同时,您可以使用rle。在这种情况下,您有兴趣撤消倒计时,因此我们将在继续之前使用rev来反转“名称”值。

output <- sequence(rle(rev(DT$name))$lengths)
makezero <- cumsum(rle(rev(DT$name))$lengths)[c(TRUE, FALSE)]
output[makezero] <- 0

DT[, countdown := rev(output)]
DT
#    idx name countdown
# 1:   1    a         3
# 2:   3    a         2
# 3:   3    a         1
# 4:   4    b         0
# 5:   6    a         2
# 6:   7    a         1
# 7:   7    b         0
# 8:   8    a         1
# 9:   9    b         0

答案 2 :(得分:3)

这是Josh和Ananda的解决方案的混合,我使用RLE来生成Josh给出答案的方式:

t <- rle(DT$name)
t <- t$lengths[t$values == "a"]
DT[, cd := rep(t, t+1)]
DT[, cd:=max(.I) - .I, by=cd]

更好:利用只有b总是(或假设在这里)的事实,你可以更好地做到这一点:

t <- rle(DT$name)
t <- t$lengths[t$values == "a"]
DT[, cd := rev(sequence(rev(t+1)))-1]

编辑:根据OP的评论,似乎很明显可能有多个b,在这种情况下,所有b都应为0.第一步这样做是为了创建b在每个连续a之后结束的组。

DT <- data.table(idx=sample(10), name=c("a","a","a","b","b","a","a","b","a","b"))
t <- rle(DT$name)
val <- cumsum(t$lengths)[t$values == "b"]
DT[, grp := rep(seq(val), c(val[1], diff(val)))]
DT[, val := c(rev(seq_len(sum(name == "a"))), 
         rep(0, sum(name == "b"))), by = grp]

#     idx name grp val
#  1:   1    a   1   3
#  2:   7    a   1   2
#  3:   9    a   1   1
#  4:   4    b   1   0
#  5:   2    b   1   0
#  6:   8    a   2   2
#  7:   6    a   2   1
#  8:   3    b   2   0
#  9:  10    a   3   1
# 10:   5    b   3   0