Question

我的虚拟输入向量如下所示：

x <- c(10, 20, 30, 70, 80, 90, 130, 190, 200)

我想要什么：为每个号码添加组因子。根据相邻号码之间的差异分配组。

示例：
10到20之间的差异（绝对）是10，因此它们属于同一组 30到20之间的差异是10 - 它们属于同一组 30到70之间的差异是40 - 它们属于不同的群体。

鉴于最大差异20 想要的结果是：

我的代码：

library(data.table)
library(foreach)

x <- c(10, 20, 30, 70, 80, 90, 130, 190, 200)

x <- data.table(x, group = 1)
y <- nrow(x)

maxGap <- 20

g <- 1
groups <- 
foreach(i = 2:y, .combine = rbind) %do% {

    if (x[i, x] - x[i - 1, x] < maxGap) {
        g
    } else {
        g <- i
        g
    }
}

x[2:y]$group <- as.vector(groups)

我的问题
鉴于代码有效，但是对于大数据（行数> 10mil）来说太慢了。是否有更简单，更快速的解决方案（不使用循环）？

Answer 1

    string[] lines = File.ReadAllLines(@"StudentExamMarks.txt");

    string maxForeName = null;
    string maxSurName = null;
    var maxMark = 0;
    for (int i = 0; i < lines.Length; i++)
    {
        var tmp = lines[i].Split(new char[] { ' ', '.', ':' }, StringSplitOptions.RemoveEmptyEntries);
        if (tmp.Length == 3)
        {
            int value = int.Parse(tmp[2]);
            if (i == 0 || value > maxMark)
            {
                maxMark = value;
                maxForeName = tmp[0];
                maxSurName = tmp[1];
            }
        }
    }

Answer 2

使用 data.table 的rleid和shift函数的实现：

x <- c(10, 20, 30, 70, 80, 90, 130, 190, 200)
DT <- data.table(x)

DT[, grp := rleid(cumsum(x - shift(x,1L,0) > 20))]

给出：

解释：使用x - shift(x,1L,0)计算与先前x观察值的差异。通过将其与20（即> 20部分）进行比较，并将其包含在cumsum和rleid中，可以创建游程长度。

回应@Roland的评论：如果您将rleid中的fill参数设置为shift，则可以退出-Inf - 部分：< / p>

DT[, grp := cumsum((x - shift(x, 1L, -Inf)) > 20)]

Answer 3

test <- c(TRUE, diff(x) > 20) #test the differences
res <- factor(cumsum(test)) #groups
#[1] 1 1 1 2 2 2 3 4 4
#Levels: 1 2 3 4
levels(res) <- which(test) #fix levels
res
#[1] 1 1 1 4 4 4 7 8 8
#Levels: 1 4 7 8

根据两个相邻数字之间的差异将矢量分成组

3 个答案: