Question

以下是我正在处理的数据框示例：

id  string
1    no
1    yes
1    yes
2    no
2    yes
3    yes
3    yes
3    no

我想提取最后两行包含id列的字符串"yes"的{{1}}。

结果将是：

string

我只有一个id string 1 yes 1 yes，id。

我尝试使用for循环执行此操作，但由于我有超过200 000行，因此循环花费了太多时间：超过5分钟。

我试过了：

是否有任何功能或方法可以更快地完成此任务？

Answer 1

我们可以使用data.table。转换＆＃39; data.frame＆＃39;到＆＃39; data.table＆＃39; （setDT(df1)），按＆＃39; id＆＃39;，if all分组＆＃39;字符串＆＃39;从最后两个观察结果是“是”＆＃39;然后得到最后两个＆＃39;字符串＆＃39; （使用tail）。

library(data.table)
setDT(df1)[, if(all(tail(string,2)=="yes")) .(string = tail(string,2)) , id]
#  id string
#1:  1    yes
#2:  1    yes

注意：data.table语法通常为data.table[i, j, by]。

Answer 2

基本R替代方法是使用split和lapply（使用unlist）来构造可用于执行行子集化的逻辑向量：

dropper <- unlist(lapply(split(df$string, df$id),
                         FUN=function(i) c(rep(FALSE, length(i) - 2),
                                           rep(all(tail(i, 2) =="yes"), 2))),
                  use.names=FALSE)
dropper
FALSE  TRUE  TRUE FALSE FALSE FALSE FALSE FALSE

此处，split将df$string拆分为df$id的列表，该列表由lapply提供给匿名函数。该函数对于前n-2个元素返回FALSE，然后对最后两个元素返回TRUE TRUE或FALSE FALSE，具体取决于它们是否为＆＃34;是。＆＃34;

然后使用向量来删除不需要的观察结果。

 df[dropper,]
  id string
2  1    yes
3  1    yes

在数据框

2 个答案: