Question

我有一个看起来像这样的data.table

ID, Order, Segment
1, 1, A
1, 2, B
1, 3, B
1, 4, C
1, 5, B
1, 6, B
1, 7, B
1, 8, B

基本上使用Order列排序数据。我想了解每个ID的连续B的数量。理想情况下，我想要的输出是

ID, Consec
1, 2
1, 4

因为B段连续出现在第2行和第3行（2次），然后再出现在第5,6,7,8行（4次）中。

循环解决方案非常明显，但也很慢。

data.table中有优雅的解决方案吗？

P.S。我正在处理的数据有大约2000万行。

Answer 1

尝试

 library(data.table)#v1.9.5+
  DT[order(ID, Order)][, indx:=rleid(Segment)][Segment=='B',
    list(Consec=.N), by = list(indx, ID)][,indx:=NULL][]

 #    ID Consec
 #1:  1      2
 #2:  1      4

或者@eddi建议

 DT[order(ID, Order)][, .(Consec = .N), by = .(ID, Segment, 
              rleid(Segment))][Segment == 'B', .(ID, Consec)]
 #    ID Consec
 #1:  1      2
 #2:  1      4

更节省内存的方法是使用setorder代替order（由@Arun建议）

  setorder(DT, ID, Order)[, .(Consec = .N), by = .(ID, Segment, 
                rleid(Segment))][Segment == 'B', .(ID, Consec)]
  #   ID Consec
  #1:  1      2
  #2:  1      4

如何计算元素在data.table中连续出现的次数？

1 个答案: