प्रत्येक पंक्ति के पिछले 2 नंबरों को योग करने के लिए स्तंभों के माध्यम से परिवर्तन करें

Aug 15 2020

आर में, मेरे पास एक डेटाफ्रेम है, जिसमें कॉलम 'ए', 'बी', 'सी', 'डी' हैं। कॉलम में 100 पंक्तियाँ हैं।

मुझे डेटाफ़्रेम में सभी पंक्तियों के लिए एक गणना करने के लिए स्तंभों के माध्यम से पुनरावृत्ति करने की आवश्यकता है जो उस स्तंभ की पिछली 2 पंक्तियों को बोता है, और फिर नए कॉलम ('एए', 'एबी', आदि) में सेट किया जाता है: वह राशि क्या है:

A  B  C  D 
1  2  3  4
2  3  4  5
3  4  5  6
4  5  6  7 
5  6  7  8
6  7  8  9

सेवा मेरे

A   B   C   D   AA   AB   AC   AD
1   2   3   4   NA   NA   NA   NA
2   3   4   5   3    5    7    9
3   4   5   6   5    7    9    11
4   5   6   7   7    9    11   13
5   6   7   8   9    11   13   15
6   7   8   9   11   13   15   17

क्या कोई समझा सकता है कि एक फ़ंक्शन / लूप कैसे बनाया जाए जो मुझे उन स्तंभों को सेट करने की अनुमति देता है जिन्हें मैं (कॉलम, सभी कॉलम नहीं) और उन कॉलम को सेट करना चाहता हूं, जिन्हें मैं सेट करना चाहता हूं?

जवाब

2 DarrenTsai Aug 15 2020 at 17:50

एक baseएक लाइनर:

cbind(df, setNames(df + df[c(NA, 1:(nrow(df)-1)), ], paste0("A", names(df))))

यदि आपका डेटा बड़ा है, तो यह सबसे तेज़ हो सकता है क्योंकि यह संपूर्ण हेरफेर करता है data.frame


के साथ dplyrउपयोग कर एक समाधान ।mutate()across()

library(dplyr)

df %>%
  mutate(across(A:D,
                ~ .x + lag(.x),
                .names = "A{col}"))

#   A B C D AA AB AC AD
# 1 1 2 3 4 NA NA NA NA
# 2 2 3 4 5  3  5  7  9
# 3 3 4 5 6  5  7  9 11
# 4 4 5 6 7  7  9 11 13
# 5 5 6 7 8  9 11 13 15
# 6 6 7 8 9 11 13 15 17

आप पिछले 3 पंक्तियों, का दूसरा तर्क योग करने के लिए चाहते हैं across(), यानी .fns, होना चाहिए

~ .x + lag(.x) + lag(.x, 2)

जो के उपयोग के बराबर है rollsum()में zoo:

~ zoo::rollsum(.x, k = 3, fill = NA, align = 'right')

बेंचमार्क

10000 पंक्तियों और 100 स्तंभों के साथ microbenchmarkनए पर पैकेज के साथ एक बेंचमार्क टेस्ट data.frameऔर 10 बार प्रत्येक अभिव्यक्ति का मूल्यांकन करें।

# Unit: milliseconds
#                     expr        min         lq       mean     median         uq        max neval
#              darren_base   18.58418   20.88498   35.51341   33.64953   39.31909   80.24725    10
#         darren_dplyr_lag   39.49278   40.27038   47.26449   42.89170   43.20267   76.72435    10
# arg0naut91_dplyr_rollsum  436.22503  482.03199  524.54800  516.81706  534.94317  677.64242    10
#    Grothendieck_rollsumr 3423.92097 3611.01573 3650.16656 3622.50895 3689.26404 4060.98054    10
1 arg0naut91 Aug 15 2020 at 17:49

आप उपयोग कर सकते हैं dplyrकी acrossराशि रोलिंग (जैसे में लागू के साथ (और सेट वैकल्पिक नाम) zoo):

library(dplyr)
library(zoo)

df %>%
  mutate(
    across(
      A:D,
      ~ rollsum(., k = 2, fill = NA, align = 'right'), 
      .names = 'A{col}'
    )
  )

आउटपुट:

  A B C D AA AB AC AD
1 1 2 3 4 NA NA NA NA
2 2 3 4 5  3  5  7  9
3 3 4 5 6  5  7  9 11
4 4 5 6 7  7  9 11 13
5 5 6 7 8  9 11 13 15
6 6 7 8 9 11 13 15 17

साथ A:Dहम स्तंभ नाम की सीमा निर्दिष्ट किया है हम करने के लिए समारोह लागू करना चाहते हैं। .namesतर्क में उपरोक्त धारणा यह है कि आप Aउपसर्ग और स्तंभ नाम ( {col}) के रूप में एक साथ चिपकाना चाहते हैं ।

1 pseudospin Aug 15 2020 at 19:34

यहाँ एक data.table समाधान है। जैसा कि आप पूछते हैं, यह आपको यह चुनने की अनुमति देता है कि आप सभी कॉलमों के बजाय किन कॉलमों को लागू करना चाहते हैं।

library(data.table)
x <- data.table(A=1:6, B=2:7, C=3:8, D=4:9)
selected_cols <- c('A','B','D')
new_cols <- paste0("A",selected_cols)
x[, (new_cols) := lapply(.SD, function(col) col+shift(col, 1)), .SDcols = selected_cols]
x[]

NB यह सबसे तेज़ अन्य उत्तर की तुलना में 2 या 3 गुना अधिक तेज है।

1 ivan866 Aug 15 2020 at 17:59

नेस्टेड forछोरों के साथ एक भोली दृष्टिकोण है । यदि आप सैकड़ों हज़ार पंक्तियों पर पुनरावृति करते हैं, तो इसे धीमा कर दें।

i <- 1
n <- 5
df <- data.frame(A=i:(i+n), B=(i+1):(i+n+1), C=(i+2):(i+n+2), D=(i+3):(i+n+3))
for (col in colnames(df)) {
  for (ind in 1:nrow(df)) {
    if (ind-1==0) {next}
    s <- sum(df[c(ind-1, ind), col])
    df[ind, paste0('S', col)] <- s
  }
}  

यह एक cumsumविधि है:

na.df <- data.frame(matrix(NA, 2, ncol(df)))
colnames(na.df) <- colnames(df)
cs1 <- cumsum(df)
cs2 <- rbind(cs1[-1:-2,], na.df)
sum.diff <- cs2-cs1
cbind(df, rbind(na.df[1,], cs1[2,], sum.diff[1:(nrow(sum.diff)-2),]))  

बेंचमार्क:

#    Unit: milliseconds  
#                      expr     min       lq     mean   median       uq     max neval  
#          darrentsai.rbind 11.5623 12.28025 23.38038 16.78240 20.83420 91.9135   100  
#     darrentsai.rbind.rev1  8.8267  9.10945 15.63652  9.54215 14.25090 62.6949   100  
#             pseudopsin.dt  7.2696  7.52080 20.26473 12.61465 17.61465 69.0110   100  
#            ivan866.cumsum 25.3706 30.98860 43.11623 33.78775 37.36950 91.6032   100  

मेरा मानना ​​है कि, कम्फ़र्टम विधि का अधिकांश समय डीएफ आवंटन पर व्यर्थ होता है। यदि सही ढंग से data.table बैकएंड के लिए अनुकूल है, तो यह सबसे तेज़ हो सकता है।

1 G.Grothendieck Aug 16 2020 at 03:14

इच्छित कॉलम निर्दिष्ट करें। हम ऐसा करने के लिए कई अलग-अलग तरीके दिखाते हैं। फिर rollsumrवांछित कॉलम प्राप्त करने के लिए उपयोग करें, इसके DFसाथ कॉलम के नाम और सीबीएन सेट करें ।

library(zoo)

# jx <- names(DF)  # if all columns wanted
# jx <- sapply(DF, is.numeric)  # if all numeric columns
# jx <- c("A", "B", "C", "D")  # specify columns by name
jx <- 1:4   # specify columns by position

r <- rollsumr(DF[jx], 2, fill = NA)
colnames(r) <- paste0("A", colnames(r))
cbind(DF, r)

दे रहा है:

  A B C D AA AB AC AD
1 1 2 3 4 NA NA NA NA
2 2 3 4 5  3  5  7  9
3 3 4 5 6  5  7  9 11
4 4 5 6 7  7  9 11 13
5 5 6 7 8  9 11 13 15
6 6 7 8 9 11 13 15 17

ध्यान दें

प्रतिलिपि प्रस्तुत करने योग्य रूप में इनपुट:

DF <- structure(list(A = 1:6, B = 2:7, C = 3:8, D = 4:9), 
  class = "data.frame", row.names = c(NA, -6L))