प्रत्येक पंक्ति के पिछले 2 नंबरों को योग करने के लिए स्तंभों के माध्यम से परिवर्तन करें
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
एक base
एक 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 dplyr
उपयोग 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 microbenchmark
नए पर पैकेज के साथ एक बेंचमार्क टेस्ट data.frame
और 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
आप उपयोग कर सकते हैं dplyr
की across
राशि 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:D
हम स्तंभ नाम की सीमा निर्दिष्ट किया है हम करने के लिए समारोह लागू करना चाहते हैं। .names
तर्क में उपरोक्त धारणा यह है कि आप A
उपसर्ग और स्तंभ नाम ( {col}
) के रूप में एक साथ चिपकाना चाहते हैं ।
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।
नेस्टेड for
छोरों 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 cumsum
विधि 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।
इच्छित कॉलम निर्दिष्ट करें। हम ऐसा करने के लिए कई अलग-अलग तरीके दिखाते हैं। फिर rollsumr
वांछित कॉलम प्राप्त करने के लिए उपयोग करें, इसके DF
साथ 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))