วนซ้ำตามคอลัมน์เพื่อรวมตัวเลข 2 ตัวก่อนหน้าของแต่ละแถว

Question

ใน R ฉันมีดาต้าเฟรมที่มีคอลัมน์ 'A', 'B', 'C', 'D' คอลัมน์มี 100 แถว

ฉันต้องวนซ้ำในคอลัมน์เพื่อทำการคำนวณสำหรับแถวทั้งหมดในดาต้าเฟรมซึ่งรวม 2 แถวก่อนหน้าของคอลัมน์นั้นจากนั้นตั้งค่าในคอลัมน์ใหม่ ('AA', 'AB' ฯลฯ ) ผลรวมนั้นคืออะไร:

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

ถึง

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

ใครช่วยอธิบายวิธีสร้างฟังก์ชัน / ลูปที่ช่วยให้ฉันตั้งค่าคอลัมน์ที่ฉันต้องการทำซ้ำได้ (คอลัมน์ที่เลือกไม่ใช่คอลัมน์ทั้งหมด) และคอลัมน์ที่ฉันต้องการตั้งค่า

Answer 1

baseหนึ่งซับ:

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

data.frameถ้าข้อมูลของคุณมีขนาดใหญ่หนึ่งนี้อาจจะเร็วที่สุดเพราะมันปรุงแต่งทั้งหมด

---

dplyrวิธีการแก้ปัญหาโดยใช้กับmutate()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

หากคุณต้องการรวม 3 แถวก่อนหน้าอาร์กิวเมนต์ที่สองของacross()เช่น.fnsควรเป็น

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

ซึ่งเทียบเท่ากับการใช้rollsum()ในzoo:

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

---

เกณฑ์มาตรฐาน

การทดสอบเกณฑ์มาตรฐานพร้อมmicrobenchmarkแพ็กเกจใหม่ที่data.frameมี 10,000 แถวและ 100 คอลัมน์และประเมินแต่ละนิพจน์ 10 ครั้ง

# 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

Answer 2

คุณสามารถใช้dplyr's across(และตั้งชื่อทางเลือก) กับผลรวมแบบกลิ้ง (ตามที่ใช้เช่นในzoo):

library(dplyr)
library(zoo)

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

เอาท์พุต:

  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

เมื่อA:Dเราได้ระบุช่วงของชื่อคอลัมน์ที่เราต้องการใช้ฟังก์ชันนี้ สมมติฐานข้างต้นใน.namesอาร์กิวเมนต์คือคุณต้องการวางเข้าด้วยกันAเป็นคำนำหน้าและชื่อคอลัมน์ ( {col})

Answer 3

นี่คือโซลูชัน data.table ตามที่คุณขอคุณสามารถเลือกคอลัมน์ที่คุณต้องการใช้แทนคอลัมน์ทั้งหมดได้

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 นี่เร็วกว่าคำตอบอื่นที่เร็วที่สุด 2 หรือ 3 เท่า

Answer 4

นั่นเป็นวิธีการที่ไร้เดียงสาโดยมีforลูปซ้อนกัน ระวังมันจะช้าถ้าคุณจะวนซ้ำมากกว่าแสนแถว

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
  }
}  

นั่นคือcumsumวิธีการ:

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),]))  

เกณฑ์มาตรฐาน:

#    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  

ฉันเชื่อว่าส่วนใหญ่เมธอด cumsum เสียไปกับการจัดสรร df หากปรับให้เข้ากับแบ็กเอนด์ data.table อย่างถูกต้องอาจเร็วที่สุด

Answer 5

ระบุคอลัมน์ที่เราต้องการ เราแสดงวิธีต่างๆในการทำเช่นนั้น จากนั้นใช้rollsumrเพื่อรับคอลัมน์ที่ต้องการตั้งชื่อคอลัมน์และ cbind DFด้วย

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)

การให้:

  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

บันทึก

อินพุตในรูปแบบที่ทำซ้ำได้:

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