Question

我有一个带有两个参数（日期和状态）的data.table，现在我想根据原始表插入新列。

数据规则：

“状态”列仅包含＆＃34; 0＆＃34;和＆＃34; 1＆＃34;
Date列总是按秒增加：）

新变量：

group：为每个组编号或循环显示状态，状态的顺序为（0,1）。这意味着状态以状态＆＃39; 0＆＃39;开始，当状态变为＆＃39; 0＆＃39; 0再次，一个周期完成。
cycle_time：计算每个组的周期时间
group_0：计算特定组内状态0的时间
group_1：计算特定群组中状态1的时间

例如，一个简单的输入：

生成数据的代码：

 Cast(12.50 +0.01001 AS NUMERIC(22, 5)) AS num

包括新参数的输出是：

实际上我已经完成了一些基本方法，

主要思想是：如果当前状态为0且下一个状态为1，则将其标记为一个组。
这个想法可行，但问题是计算时间太长，因为这么多循环。

我认为这个案例可以有一个更简单的解决方案

Answer 1

因此，从1到0的过渡标志着一个组的边界。您可以使用cumsum和diff来实现此目的。对于@ zx8754答案中的x示例：

data.frame(x, group_id = c(1, cumsum(diff(x) == -1) + 1))
  x group_id
1 0        1
2 0        1
3 0        1
4 1        1
5 1        1
6 0        2
7 0        2
8 1        2
9 0        3

对于更现实的大小示例：

res = data.frame(status = sample(c(0,1), 10e7, replace = TRUE))
system.time(res$group_id <- c(1, cumsum(diff(res$status) == -1) + 1))
   user  system elapsed 
  2.770   1.680   4.449 
>     head(res, 20)
   status group_id
1       0        1
2       0        1
3       1        1
4       0        2
5       0        2
6       0        2
7       1        2
8       1        2
9       0        3
10      1        3
11      1        3
12      0        4
13      1        4
14      0        5
15      0        5
16      1        5
17      0        6
18      0        6
19      1        6
20      0        7

1000万条记录的5秒非常快（虽然这取决于你对fast的定义:)。

<强>基准

set.seed(1)
res = data.frame(status = sample(c(0,1), 10e4, replace = TRUE))

microbenchmark::microbenchmark(
  rleid = {
    gr <- data.table::rleid(res$status)
    x1 <- as.numeric(as.factor(ifelse(gr %% 2 == 0, gr - 1, gr)))
    # removing "as.numeric(as.factor" helps, but still not as fast as cumsum
    #x1 <- ifelse(gr %% 2 == 0, gr - 1, gr)
  },
  cumsum = { x2 <- c(1, cumsum(diff(res$status) == -1) + 1) }
)

# Unit: milliseconds
#    expr        min         lq       mean     median         uq       max neval cld
#   rleid 118.161287 120.149619 122.673747 121.736122 123.271881 168.88777   100   b
# cumsum   1.511811   1.559563   2.221273   1.826404   2.475402   6.88169   100  a 

identical(x1, x2)
# [1] TRUE

Answer 2

试试这个：

#dummy data
x <- c(0,0,0,1,1,0,0,1,0)

#get group id using rleid from data.table
gr <- data.table::rleid(x)

#merge separated 0,1 groups
gr <- ifelse(gr %% 2 == 0, gr - 1, gr)

#result
cbind(x, gr)
#      x gr
# [1,] 0  1
# [2,] 0  1
# [3,] 0  1
# [4,] 1  1
# [5,] 1  1
# [6,] 0  3
# [7,] 0  3
# [8,] 1  3
# [9,] 0  5

#if we need to have group names sequential then
cbind(x, gr = as.numeric(as.factor(gr)))
#      x gr  
# [1,] 0  1
# [2,] 0  1
# [3,] 0  1
# [4,] 1  1
# [5,] 1  1
# [6,] 0  2
# [7,] 0  2
# [8,] 1  2
# [9,] 0  3

基本计算的组功能

2 个答案: