Question

我有一个包含以下布局的数据框：

我需要以这样一种方式添加一个计数器：

当id更改时，计数器应重置为1
当id相同且diff小于10时，计数器应给出前面的计数器值。
当id相同且diff大于10时，计数器应增加+1。

我正在寻找的输出是：

id |diff | counter
-------------
1 | 0 | 1  
1 | 3 | 1  
1 | 45 | 2  
1 | 9 |  2  
1 | 40 | 3  
1 | 34 | 4  
1 | 43 | 5  
1 | 7  | 5  
2 | 0  | 1  
2 | 5  | 1  
3 | 0  | 1  
3 | 45 | 2  
3 | 40 | 3

for循环解决方案是：

for(i in 2:nrow(raw_data)){
  raw_data$counter[i]<- ifelse(raw_data$id[i]==raw_data$id[i-1],
        ifelse(raw_data$diff> 10,raw_data$counter[i-1] +1,raw_data$counter[i-1])
          ,1)}

我知道由于'for'循环导致的时间增加。寻找更快的方式。

Answer 1

她是如何使用dplyr执行此操作的：

df1 <- read.table(text="id diff  
                  1  0  
                  1  3  
                  1  45  
                  1  9  
                  1  40  
                  1  34  
                  1  43  
                  1  7  
                  2  0  
                  2  5  
                  3  0  
                  3  45  
                  3  40",header=TRUE, stringsAsFactors=FALSE)
library(dplyr)
df1%>%
  group_by(id)%>%
  mutate(counter=cumsum(diff>10)+1)

      id  diff counter
   <int> <int>   <dbl>
1      1     0       1
2      1     3       1
3      1    45       2
4      1     9       2
5      1    40       3
6      1    34       4
7      1    43       5
8      1     7       5
9      2     0       1
10     2     5       1
11     3     0       1
12     3    45       2
13     3    40       3

Answer 2

由于OP 正在寻找更快的方式，这里是P Lapointe's dplyr solution和data.table版本的基准比较。

data.table版本是以data.table语法重写P Lapointe's approach：

library(data.table)   # CRAN version 1.10.4 used
DT <- fread(
"id |diff  
1 | 0  
1 | 3  
1 | 45  
1 | 9  
1 | 40  
1 | 34  
1 | 43  
1 | 7  
2 | 0  
2 | 5  
3 | 0  
3 | 45  
3 | 40"
, sep = "|")

DT[, counter := cumsum(diff > 10L) + 1L, id]

DT
#    id diff counter
# 1:  1    0       1
# 2:  1    3       1
# 3:  1   45       2
# 4:  1    9       2
# 5:  1   40       3
# 6:  1   34       4
# 7:  1   43       5
# 8:  1    7       5
# 9:  2    0       1
#10:  2    5       1
#11:  3    0       1
#12:  3   45       2
#13:  3   40       3

基准

对于基准测试，会创建一个130'000行的更大数据集：

# copy original data set 10000 times
DTlarge <- rbindlist(lapply(seq_len(10000L), function(x) DT))
# make id column unique again
DTlarge[, id := rleid(id)]
dim(DTlarge)
#[1] 130000      2

时间由mircobenchmark包完成：

df1 <- as.data.frame(DTlarge)
dt1 <- copy(DTlarge)
library(dplyr)
microbenchmark::microbenchmark(
  dplyr = {
    df1%>%
      group_by(id)%>%
      mutate(counter=cumsum(diff>10)+1)
  },
  dt = {
    dt1[, counter := cumsum(diff > 10L) + 1L, id]
  },
  times = 10L
)

结果显示data.table版本对于此问题大小的速度提高了约20倍：

Unit: milliseconds
  expr       min        lq      mean    median        uq      max neval
 dplyr 500.51729 505.50173 512.25642 509.64096 517.31095 535.2736    10
    dt  23.06037  23.99073  25.30913  24.71059  25.98322  30.7868    10

R中的行式操作

2 个答案:

基准