R Data.Table - 按 ROW 应用/移位处理（保留或动态移位处理）

Question

我想处理每一行的数据。假设我们在 4 天内收集了两个“cyl”的“mpg”值。我想得出相对于一天的最小 mpg 值）

原始数据

** 天,cyl,mpg**

• 1,4,34.4
• 2,4,21.3
• 3,4,23.3
• 4,4,25.0
• 1,3,23.0
• 2,3,27.0
• 3,3,18.3
• 4,3,17.3

预期输出

** day,cyl,mpg,min_mpg**

• 1,4,34.4,34.4
• 2,4,21.3,21.3
• 3,4,23.3,21.3
• 4,4,25.0,21.3
• 1,3,23.0,23.0
• 2,3,27.0,23.0
• 3,3,18.3,18.3
• 4,3,17.3,17.3

我给出了以下几点想法......

1. For 循环处理（这确实不是最有效的选项）

2. APPLY 和 SHIFT 函数（保留上一行的最小值 在全局变量中处理并将每个 GROUP 重置为 NA。一世 未能将最小 mpg 值保留到全局变量中）

3. APPLY 和 SHIFT 函数（将“-1”一直移动到第 1 行 每一行。在 APPLY 函数中放置一个循环。这个选项 可能会做更多的冗余处理）

我尝试使用下面博客中描述的 rowShift 函数，但我的要求是我需要动态移位 Use a value from the previous row in an R data.table calculation

是否有任何“矢量化”选项可用？还是传统的 FOR LOOP 将是唯一的选择？我更喜欢使用 base R 的选项（数据框或数据表）

Answer 1

我们可以使用cummin

library(dplyr)
df1 %>% 
   group_by(cyl) %>% 
   mutate(min_mpg = cummin(mpg))
# A tibble: 8 x 4
# Groups:   cyl [2]
#    day   cyl   mpg min_mpg
#  <int> <int> <dbl>   <dbl>
#1     1     4  34.4    34.4
#2     2     4  21.3    21.3
#3     3     4  23.3    21.3
#4     4     4  25      21.3
#5     1     3  23      23  
#6     2     3  27      23  
#7     3     3  18.3    18.3
#8     4     3  17.3    17.3

---

在base R中，我们可以使用ave

df1$min_mpg <- with(df1, ave(mpg, cyl, FUN = cummin))

---

或使用data.table

library(data.table)
setDT(df1)[, min_mpg := cummin(mpg), by = cyl][]

数据

df1 <- structure(list(day = c(1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L), cyl = c(4L, 
4L, 4L, 4L, 3L, 3L, 3L, 3L), mpg = c(34.4, 21.3, 23.3, 25, 23, 
27, 18.3, 17.3)), class = "data.frame", row.names = c(NA, -8L
))