Question

我有一个非常大的数据框（大约有1500万个观测值，涉及10个变量）。 df本质上是在各种情况（条件）下一组城市的结果。这是df的简化视图：

char(0x97)

我正在尝试创建一个新列（“基准”），该列与给定城市在2000年的各种情况下的结果相等。由于存在许多情况，因此我很难做到这一点。 / p>

谢谢！

Answer 1

因此，您希望在2000年的每一行中对这些条件进行比较？

我要解决的方法是将数据框加入经过过滤的2000年本身。假设您将数据框称为df

require(dplyr)
df_base <- df %>% left_join(
  df %>% 
    filter(Year == 2000) %>% #get just year 2000 results
    select(-Year) %>% #remove year so that it does not join on it
    rename(base = result) #rename the result column of the cut dataframe to base
)

这将与不是年份的所有其他列合并，表示相同的州和城市以及您的所有条件，并返回带有名为“ base”的新列的完整数据框，其中包含state + city +的2000年结果条件。如果您不想加入其他列，则可以在选择中将其删除，也可以使用left_join中的“ by”变量指定所有要明确加入的列。

Answer 2

考虑使用ave来计算同一多个组中的记录，并让 Result 用identity()返回。

# YEAR 2000 CALCULATION
df$Base <- with(df, ifelse(Year == 2000,
                           ave(Result, Condition1, Condition2, Condition3, FUN=identity),
                           NA)
               )

# ASSIGN 2000 RESULT TO ALL OTHER YEARS
df$Base <- with(df, ave(Base, Condition1, Condition2, Condition3, FUN=function(x) max(x, na.rm=TRUE)))

不确定在约15毫欧之间的性能。

R-根据条件观察结果创建新列并将其应用于主df

2 个答案: