R为不使用循环的记录分配ID

Question

我需要遍历数据 table "A" 并根据条件为该记录或记录组分配增量 ID，例如：

library(data.table)
A <- data.table(x = c(1,2,3,4,5,6,7,8,9,10,11,12,13,14), 
  y = c(2,2,2,2,2,2,2,2,3,3,3,3,3,3), z = 0)

for(i in 1:nrow(A))
 {
   if((A[i]$x %% A[i]$y) == 0) {A[i]$z <- i}
   print(i)
 }

z 列变成了一种滚动 ID。我需要在不使用循环的情况下执行相同的操作。

Answer 1

你可以获取索引 where %% operator returns 0 并在该位置分配索引值。

inds <- A$x %% A$y == 0
A$z[inds] <- which(inds)

A
#     x y  z
# 1:  1 2  0
# 2:  2 2  2
# 3:  3 2  0
# 4:  4 2  4
# 5:  5 2  0
# 6:  6 2  6
# 7:  7 2  0
# 8:  8 2  8
# 9:  9 3  9
#10: 10 3  0
#11: 11 3  0
#12: 12 3 12
#13: 13 3  0
#14: 14 3  0

Answer 2

或者你可以试试这个（sinde x 已经包含索引值）

在满足条件 x %% y == 0 的行上用 x-value 更新（通过引用）z-value。在所有其他行上 z 保持其原始值（即 0）。

A[ x %% y == 0, z:=x]

#     x y  z
# 1:  1 2  0
# 2:  2 2  2
# 3:  3 2  0
# 4:  4 2  4
# 5:  5 2  0
# 6:  6 2  6
# 7:  7 2  0
# 8:  8 2  8
# 9:  9 3  9
# 10:10 3  0
# 11:11 3  0
# 12:12 3 12
# 13:13 3  0
# 14:14 3  0

当然你也可以使用.I来获取一行的索引

A[ x %% y == 0, z := .I]

也可以...根据您的 column-classes，您必须将一些 integer-columns 设置为 class 两倍，以避免出现警告消息。

基准

最多50000行，Ronaks的答案更快，在此之上，.I的解决方案是'winning'。

用于基准测试的代码

vec <- c( seq( 1,10000, by = 1000), seq( 1,100000, by = 10000), 
          seq( 1,1000000, by = 100000), seq( 1,10000000, by = 1000000) )

l <- lapply( vec, function(x){
  A <- data.table(x = as.double( 1:x ), 
                  y = as.double( sample(2:3, x, replace = TRUE) ), 
                  z = as.double(0) )
  m <- microbenchmark::microbenchmark(
    Ronak = { 
      DT <- copy(A)
      inds <- DT$x %% DT$y == 0
      DT$z[inds] <- which(inds)
    },
    Wimpel = {
      DT <- copy(A)
      DT[ x %% y == 0, z:=as.double(.I)]
    },
    times = 10 )
  setDT(m)[, .(n = x, median = median(time)), by = .(expr)][]
})

library(scales)
library(ggplot2)
ggplot( data = rbindlist(l), aes( x = n, y = median/1000000, group = expr, colour = expr )) + 
  geom_smooth( se = FALSE ) +
  labs( x = "rows",
        y = "median [ms]" )

R为不使用循环的记录分配ID

R assign ID to records NOT using loops

loops

r

vectorization

data.table

基准