与组或外部变量中的早期实例的差异

Posted 2021-04-06

我有数据

dat1 <- data.table(id=1:9,
                   group=c(1,1,2,2,2,3,3,3,3),
                   t=c(14,17,20,21,26,89,90,95,99),
                   index=c(1,2,1,2,3,1,2,3,4)
                  )

根据t的说法，我想计算index与之前值的差异。对于每个组的第一个实例，我想计算一些外部变量的差异

dat2 <- data.table(group=c(1,2,3),
                   start=c(10,15,80)
                  )

这样可以获得以下结果：

> res 
   id group  t index dif
1:  1     1 14     1   4
2:  2     1 17     2   3
3:  3     2 20     1   5
4:  4     2 21     2   1
5:  5     2 26     3   5
6:  6     3 89     1   9
7:  7     3 90     2   1
8:  8     3 95     3   5
9:  9     3 99     4   4

我试过用

dat1[ , ifelse(index == min(index), dif := t - dat2$start, dif := t - t[-1]), by = group]

但我不确定在一步中引用同一组的其他元素和外部元素。这是否可以使用data.table？

答案

可能的解决方案：

dat1[, dif := ifelse(index == min(index),
                     t - dat2$start[match(.BY, dat2$group)],
                     t - shift(t))
     , by = group][]

这使：

   id group  t index dif
1:  1     1 14     1   4
2:  2     1 17     2   3
3:  3     2 20     1   5
4:  4     2 21     2   1
5:  5     2 26     3   5
6:  6     3 89     1   9
7:  7     3 90     2   1
8:  8     3 95     3   5
9:  9     3 99     4   4

或@jogo在评论中提出的避免ifelse的变体：

dat1[, dif := t - shift(t), by = group
     ][index == 1, dif := t - dat2[group==.BY, start], by = group][]

另一答案

我会尽量避免使用ifelse并使用data.tables高效的join-capabilities：

dat1[dat2, on = "group",                                # join on group
          start := i.start][,                           # add start value
          diff  := diff(c(start[1L], t)), by = group][, # compute difference
          start := NULL]                                # remove start value

结果表是：

#   id group  t index diff
#1:  1     1 14     1    4
#2:  2     1 17     2    3
#3:  3     2 20     1    5
#4:  4     2 21     2    1
#5:  5     2 26     3    5
#6:  6     3 89     1    9
#7:  7     3 90     2    1
#8:  8     3 95     3    5
#9:  9     3 99     4    4

另一答案

您可以将shift与动态fill参数一起使用：使用.BY索引'dat2'以获得每个'组'的'start'值：

dat1[ , dif := t - shift(t, fill = dat2[group == .BY, start]), by = group]

#    id group  t index dif
# 1:  1     1 14     1   4
# 2:  2     1 17     2   3
# 3:  3     2 20     1   5
# 4:  4     2 21     2   1
# 5:  5     2 26     3   5
# 6:  6     3 89     1   9
# 7:  7     3 90     2   1
# 8:  8     3 95     3   5
# 9:  9     3 99     4   4

---

或者，您可以分步执行此操作。可能是品味问题，但我发现它比ifelse方式更透明。

首先是'正常'shift。然后将'index'变量添加到'dat2'并执行更新连接。

dat1[ , dif := t - shift(t), by = group]

dat2[ , index := 1]
dat1[dat2, on = .(group, index), dif := t - start]