Question

我有一个关于R.中data.table的问题我正在研究加速度数据，这需要我从原始数据生成功能。我想每2秒对数据进行分组。通过生成另外1列来指示每2秒的组和使用by的组是很容易的。但是，我想要重叠窗口。例如，我的原始数据就是这个

a=data.table(x = c(1:10), y= c(2:11), z = c(5), second=rep(c(1:5),each=2))

x y z second

1：1 2 5 1

2：2 3 5 1

3：3 4 5 2

4：4 5 5 2

5：5 6 5 3

6：6 7 5 3

7：7 8 5 4

8：8 9 5 4

9：9 10 5 5

10：10 11 5 5

现在，我想每2秒计算x，y，z列的平均值。 1和2,2和3,3和4,4和5。我可以运行for循环，但因为我有一个庞大的数据集，所以需要很长时间。你知道如何使用数据表工具吗？非常感谢

Answer 1

这是另一种方式：

ag = data.table(
  second = c(1:2, 2:3, 3:4, 4:5), 
  g = rep(paste(1:4, 2:5, sep="-"), each=2)
)

a[ag, on="second"][, mean(unlist(.SD)), by=g, .SDcols=x:z]

#      g       V1
# 1: 1-2 3.666667
# 2: 2-3 5.000000
# 3: 3-4 6.333333
# 4: 4-5 7.666667

我确定你可以手动减少ag，但我不清楚它背后的规则是什么。

通常，如果您要跨列计算，那么您的数据格式不正确。如果你有时间，我建议你阅读making data "tidy"。

Answer 2

由于第二个＆＃39;只有2个独特的观察结果，我们会得到＆＃39; x＆＃39;，＆＃39; y＆＃39;的lead，＆＃ 39; Z＆＃39;列，按＆＃39; second＆＃39;，unlist Dataset的子集分组，并获取mean。

nm1 <- c("x", "y", "z")
na.omit(a[, paste0(nm1, 2)  := lapply(.SD, function(x) shift(x, 2, 
     type = "lead")), .SDcols = nm1])[, .(Mean = mean(unlist(.SD))),
           .(second = paste0(second, "-", second + 1))]
#  second     Mean
#1:    1-2 3.666667
#2:    2-3 5.000000
#3:    3-4 6.333333
#4:    4-5 7.666667

或者稍微紧凑的选项

library(dplyr)
cbind(a[second!= last(second)], a[second!= first(second)])[
    ,.(Mean = mean(unlist(.SD))), .(second = paste0(second, "-", second+1))]
#   second     Mean
#1:    1-2 3.666667
#2:    2-3 5.000000
#3:    3-4 6.333333
#4:    4-5 7.666667

或者另一种选择是将它们放在list，rbind数据集中，创建一个新的＆＃39; id1＆＃39;在mean unlist之后获取.SDcols，或者我们可以获得每列的mean

dt1 <- rbindlist(list(a[second!= last(second)], 
     a[second!= first(second)]), idcol=TRUE)[, id1:= as.numeric(gl(.N, 2, .N)), .id][]

通过＆＃39; second＆＃39;

获取每列的mean

dt1[, lapply(.SD, mean), .(second = paste0(id1, "-", id1 + 1)), .SDcols = x:z]

通过第二个＆＃39;

获取整个mean

dt1[, mean(unlist(.SD)), .(second = paste0(id1, "-", id1 +1)), .SDcols = x:z]

如何使用重叠值对data.table进行分组？

2 个答案: