从数据框中心开始的累积和 - R答案

【问题标题】：Cumulative Sum Starting at Center of Data Frame - R从数据框中心开始的累积和 - R
【发布时间】：2014-07-03 22:20:24
【问题描述】：

我有这个data.frame 叫dum

   dummy <- data.frame(label = "a", x = c(1,1,1,1,0,1,1,1,1,1,1,1,1))
   dummy1 <- data.frame(label = "b", x = c(1,1,1,1,1,1,1,1,0,1,1,1,1))

   dum <- rbind(dummy,dummy1)

我要做的是在dum 的x 列中从 0 开始计算累积和。求和将按label 列分组，可以在dplyr 或plyr 中实现。我苦苦挣扎的部分是如何从x 中的0 位置开始累积和向外。

生成的data.frame 应如下所示：

 >dum
   label x output
1      a 1      4
2      a 1      3
3      a 1      2
4      a 1      1
5      a 0      0
6      a 1      1
7      a 1      2
8      a 1      3
9      a 1      4
10     a 1      5
11     a 1      6
12     a 1      7
13     a 1      8
14     b 1      8
15     b 1      7
16     b 1      6
17     b 1      5
18     b 1      4
19     b 1      3
20     b 1      2
21     b 1      1
22     b 0      0
23     b 1      1
24     b 1      2
25     b 1      3
26     b 1      4

这需要对数百万行数据进行数千次迭代。

像往常一样，感谢您的任何帮助

【问题讨论】：

标签： r dataframe cumulative-sum

【解决方案1】：

您似乎只想找到到零的距离，而不是任何类型的累积总和。如果是这样的话，那么

#find zeros for each group
zeros <- tapply(seq.int(nrow(dum)) * as.numeric(dum$x==0), dum$label, max)

#calculate distance from zero for each point
dist <- abs(zeros[dum$label]-seq.int(nrow(dum)))

这就给了

cbind(dum, dist)

#    label x dist
# 1      a 1    4
# 2      a 1    3
# 3      a 1    2
# 4      a 1    1
# 5      a 0    0
# 6      a 1    1
# 7      a 1    2
# 8      a 1    3
# 9      a 1    4
# 10     a 1    5
# 11     a 1    6
# 12     a 1    7
# 13     a 1    8
# 14     b 1    8
# 15     b 1    7
# 16     b 1    6
# 17     b 1    5
# 18     b 1    4
# 19     b 1    3
# 20     b 1    2
# 21     b 1    1
# 22     b 0    0
# 23     b 1    1
# 24     b 1    2
# 25     b 1    3
# 26     b 1    4

甚至ave 会让你一步完成

dist <- with(dum, ave(x,label,FUN=function(x) abs(seq_along(x)-which.min(x))))
cbind(dum, dist)

【讨论】：

效果很好。在 2300 万行的 14000 块（本例中为 dum$label）的数据帧上只用了大约 5 分钟
为了不浪费我现在删除的答案，这个函数对于一个组中的多个 0 的概括是：do.call(pmin,lapply(which(dum$x==0), function(n) abs(n-seq_along(dum$x)) ))

【解决方案2】：

您可以使用by 执行此操作，也可以使用plyr、data.table 等执行此操作。每个子集上使用的函数是

f <- function(d) {
  x <- d$x
  i <- match(0, x)
  v1 <- rev(cumsum(rev(x[1:i])))
  v2 <- cumsum(x[(i+1):length(x)])
  transform(d, output = c(v1, v2))
}

在每个子集上调用它，例如与by

res <- by(dum, list(dum$label), f)
do.call(rbind, res)

如果你想使用ddply

library(plyr)
ddply(dum, .(label), f)

data.table 可能会更快

library(data.table)
dumdt <- as.data.table(dum)
setkey(dumdt, label)
dumdt[, f(.SD), by = key(dumdt)]

【讨论】：

dum[,abs(which.min(x) - seq_along(x)),by=label] 将是一个更简单的 data.table 方法。
很公平，如果x 始终为0 或1，@MrFlick 的方式要好得多。这在OP 中没有明确说明，所以我选择了cumsum。

【解决方案3】：

使用dplyr

library(dplyr)
dum%>% 
group_by(label)%>% 
mutate(dist=abs(row_number()-which.min(x)))

【讨论】：