Lặp lại các cột để tính tổng 2 số trước đó của mỗi hàng
Trong R, tôi có một khung dữ liệu, với các cột 'A', 'B', 'C', 'D'. Các cột có 100 hàng.
Tôi cần phải lặp qua các cột để thực hiện phép tính cho tất cả các hàng trong khung dữ liệu tính tổng 2 hàng trước đó của cột đó, sau đó đặt trong các cột mới ('AA', 'AB', v.v.) tổng đó là:
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
đến
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
Ai đó có thể giải thích cách tạo một hàm / vòng lặp cho phép tôi đặt các cột tôi muốn lặp lại (các cột đã chọn, không phải tất cả các cột) và các cột tôi muốn đặt không?
Trả lời
Một base
lớp lót:
cbind(df, setNames(df + df[c(NA, 1:(nrow(df)-1)), ], paste0("A", names(df))))
Nếu dữ liệu của bạn lớn, dữ liệu này có thể là nhanh nhất vì nó thao tác toàn bộ data.frame
.
Một dplyr
giải pháp sử dụng mutate()
với 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
Nếu bạn muốn tính tổng 3 hàng trước đó, thì đối số thứ hai của across()
, tức là .fns
, phải là
~ .x + lag(.x) + lag(.x, 2)
tương đương với việc sử dụng rollsum()
trong zoo
:
~ zoo::rollsum(.x, k = 3, fill = NA, align = 'right')
Điểm chuẩn
Một bài kiểm tra điểm chuẩn với microbenchmark
gói trên mới data.frame
với 10000 hàng và 100 cột và đánh giá mỗi biểu thức trong 10 lần.
# 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
Bạn có thể sử dụng dplyr
's across
(và đặt tên tùy chọn) với tổng cuộn (như được triển khai, ví dụ: trong zoo
):
library(dplyr)
library(zoo)
df %>%
mutate(
across(
A:D,
~ rollsum(., k = 2, fill = NA, align = 'right'),
.names = 'A{col}'
)
)
Đầu ra:
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
Với việc A:D
chúng tôi đã chỉ định phạm vi tên cột mà chúng tôi muốn áp dụng hàm. Giả định ở trên trong .names
đối số là bạn muốn dán cùng nhau A
dưới dạng tiền tố và tên cột ( {col}
).
Đây là một giải pháp data.table. Khi bạn yêu cầu, nó cho phép bạn chọn những cột bạn muốn áp dụng nó thay vì chỉ cho tất cả các cột.
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 Câu trả lời này nhanh hơn gấp 2 hoặc 3 lần so với câu trả lời nhanh nhất khác.
Đó là một cách tiếp cận ngây thơ với các for
vòng lặp lồng nhau . Hãy coi chừng nó rất chậm nếu bạn lặp đi lặp lại hàng trăm nghìn hàng.
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
}
}
Đó là một cumsum
phương pháp:
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),]))
Điểm chuẩn:
# 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
Tôi tin rằng, hầu hết thời gian phương pháp cumsum lãng phí vào việc phân bổ df. Nếu được điều chỉnh một cách chính xác với phần phụ trợ data.table, nó có thể là nhanh nhất.
Chỉ định các cột chúng tôi muốn. Chúng tôi chỉ ra một số cách khác nhau để làm điều đó. Sau đó, sử dụng rollsumr
để có được các cột mong muốn, đặt tên cột và gắn DF
kết với nó.
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)
cho:
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
Ghi chú
Đầu vào ở dạng có thể tái tạo:
DF <- structure(list(A = 1:6, B = 2:7, C = 3:8, D = 4:9),
class = "data.frame", row.names = c(NA, -6L))