Question

我有一个员工数据库，其中包含经理的ID，长格式（每个员工每月一排）。我想添加一个包含其经理的经理ID（或他们的跳过级别经理的ID）的列。

这是一个玩具数据集：

(a -> a) -> a -> a

这是我写的一个返回预期结果的函数。

id <- c(seq.int(1,11), seq.int(2,12))
mgr_id <- as.integer(c(NA, 1, 1, 2, 2, 2, 2, 3, 3, 5, 5,   #period 1
                      NA, 2, 5, 2, 5, 5, 3, 3, 5, 10, 10)) #period 2
period <- c(rep(1, 11), rep(2, 11))
left_company <- c(1, rep(0, 21))
joined_company <- c(rep(0, 21), 1) 

df <- data.frame(id, mgr_id, period, left_company, joined_company)

当我使用# finds the employee's manager in the correct period, and returns that manager's id get_mgr_mgr_id <- function(manager_id, period){ mgr_mgr_id <- df$mgr_id[df$id == manager_id & df$period == period] return(mgr_mgr_id[1]) }函数时，一切都很好。请注意，员工1离开了公司，他们被员工5取代，员工10被员工10取代，员工12被新员工替换。

mapply

我的问题：是否有更有效的方法来获得此结果？目前，即使在10,000行上运行也需要很长时间，而我的数据集已接近一百万。

我也欢迎就更一般的问题标题提出建议（可能是这个SQL问题的一个版本：Most efficient way to find something recursively in a table?）

Answer 1

您可以使用data.table运行联接。我不确定会有多快：

library(data.table)
setDT(df)

df[, m2id := df[.(id = mgr_id, period = period), on=c("id", "period"), mgr_id]]

    id mgr_id period left_company joined_company m2id
 1:  1     NA      1            1              0   NA
 2:  2      1      1            0              0   NA
 3:  3      1      1            0              0   NA
 4:  4      2      1            0              0    1
 5:  5      2      1            0              0    1
 6:  6      2      1            0              0    1
 7:  7      2      1            0              0    1
 8:  8      3      1            0              0    1
 9:  9      3      1            0              0    1
10: 10      5      1            0              0    2
11: 11      5      1            0              0    2
12:  2     NA      2            0              0   NA
13:  3      2      2            0              0   NA
14:  4      5      2            0              0    2
15:  5      2      2            0              0   NA
16:  6      5      2            0              0    2
17:  7      5      2            0              0    2
18:  8      3      2            0              0    2
19:  9      3      2            0              0    2
20: 10      5      2            0              0    2
21: 11     10      2            0              0    5
22: 12     10      2            0              1    5
    id mgr_id period left_company joined_company m2id

工作原理

联接的语法是x[i, on=, j]。它使用i和on来分组x，然后返回j。这里的关键点是在id = mgr_id中设置i，因此我们将子集化为经理的行。

分配列的语法是DT[, col_name := value]。在这种情况下，该值来自上一段中解释的连接。

找到经理经理身份的有效方法

1 个答案: