Question

我的实验设计有在各种森林中测量的树木，并在多年中重复测量。

addCookie

对于每棵树i，我想计算一个新变量，该变量等于同一组/年中大于树i的所有其他个体的大小之和。

我创建了以下功能：

export class ListOverviewExample {
  items = ['item 1', 'item 2', 'item 3'];

  addCookie() {
    console.log("here I would like to paste the value of the input field");
  }
}

在数据表中应用时，我得到了正确的结果。

DT <- data.table(forest=rep(c("a","b"),each=6),
                    year=rep(c("2000","2010"),each=3),
                    id=c("1","2","3"),
                    size=(1:12))

DT[,id:=paste0(forest,id)]

> DT
    forest year id size
 1:     a 2000 a1     1
 2:     a 2000 a2     2
 3:     a 2000 a3     3
 4:     a 2010 a1     4
 5:     a 2010 a2     5
 6:     a 2010 a3     6
 7:     b 2000 b1     7
 8:     b 2000 b2     8
 9:     b 2000 b3     9
10:     b 2010 b1    10
11:     b 2010 b2    11
12:     b 2010 b3    12

请注意，我有一个大型数据集，其中包含几个森林（40个）和重复年（6个）和单个个体（20,000个），总共进行了将近50,000次测量。当我执行上述功能时，需要8-10分钟（Windows 7，i5-6300U CPU @ 2.40 GHz 2.40 GHz，RAM 8 GB）。我需要经常进行一些小的修改来重复它，这需要很多时间。

有没有更快的方法？我检查了* apply函数，但无法找到基于它们的解决方案。
我可以创建不依赖于数据集特定结构的通用函数吗（即我可以使用“大小”不同的列）？

Answer 1

只需对数据进行排序，这可能会非常快：

setorder(DT, forest, year, -size)
DT[, new := cumsum(size) - size, by = .(forest, year)]
setorder(DT, forest, year, id)
DT
#    forest year id size new
# 1:      a 2000 a1    1   5
# 2:      a 2000 a2    2   3
# 3:      a 2000 a3    3   0
# 4:      a 2010 a1    4  11
# 5:      a 2010 a2    5   6
# 6:      a 2010 a3    6   0
# 7:      b 2000 b1    7  17
# 8:      b 2000 b2    8   9
# 9:      b 2000 b3    9   0
#10:      b 2010 b1   10  23
#11:      b 2010 b2   11  12
#12:      b 2010 b3   12   0

data.table r中按组的慢功能

1 个答案: