Question

我有一个包含三列的数据框：timestamp，key，按时间排序的事件。

ts,key,event
 3,12,1
 8,49,1
 12,42,1
 46,12,-1
 100,49,1

由此，我想创建一个带有时间戳的数据框和（所有唯一键 - 所有唯一键，累积和0直到给定时间戳）除以所有唯一键，直到相同的时间戳。例如。对于上面的例子，结果应该是：

ts,prob
3,1
8,1
12,1
46,2/3
100,2/3

我的第一步是计算按键分组的cumsum：

items = data.frame(ts=c(3,8,12,46,100), key=c(12,49,42,12,49), event=c(1,1,1,-1,1))
sumByKey = ddply(items, .(key), transform, sum=cumsum(event))

在第二个（也是最后一个）步骤中，我使用for循环迭代sumByKey并跟踪所有唯一密钥和所有使用向量在其总和中为0的唯一密钥，例如if(!(k %in% uniqueKeys) uniqueKeys = append(uniqueKeys, key)。使用两个向量导出概率。

最初，我尝试使用plyr解决第二步，但我想避免为sumByKey中的每一行重新计算特定时间戳的唯一键。我遗漏的是一种从传递给ddply的函数引用外部变量的方法。或者，或者（并且更具功能性），使用传递回函数的累加器，例如， function（acc，x）acc + x。

是否有可能以更好的方式解决第二步，例如， ddply？

Answer 1

如果我的解释是正确的，那么应该这样做：

items = data.frame(ts=c(3,8,12,46,100), key=c(12,49,42,12,49), event=c(1,1,1,-1,1))

# numbers of keys that sum to zero, no ddply necessary
nzero <- cumsum(ave(items$event,items$key,FUN=cumsum)==0)

# number of unique keys at a given timepoint
nunique <- rep(F,length(items$key))
nunique[match(unique(items$key),items$key)] <- T
nunique <- cumsum(nunique)

# makes :
items$p <- (nunique-nzero)/nunique

items
   ts key event         p
1   3  12     1 1.0000000
2   8  49     1 1.0000000
3  12  42     1 1.0000000
4  46  12    -1 0.6666667
5 100  49     1 0.6666667

Answer 2

如果您的问题只是计算时间，我敢打赌更好的想法是将您的算法实现为C块;您可以先使用R将密钥转换为整数的相干间隔（as.numeric(factor(...))），然后在C中使用布尔数组，以便轻松快速地获取唯一的密钥编号。请记住，plyr和标准R *pply都不比循环快得多（当然，两者都使用而没有令人尴尬的错误）。

计算R中日志中唯一值的总和

2 个答案: