data.table: «групповой счетчик» для определенной комбинации столбцов

Question

Я хотел бы добавить столбец-столбец в фрейм данных на основе набора одинаковых строк. Для этого я использовал пакет data.table. В моем случае сравнение строк должно выполняться из комбинации столбцов «z» AND («x» ИЛИ «y»).

Я проверил:

DF[ , Index := .GRP, by = c("x","y","z") ] 

но результат является сочетание "Z" И "х" и "у".

Как я могу сочетать «z» AND («x» ИЛИ «y»)?

Вот пример данных:

DF = data.frame(x=c("a","a","a","b","c","d","e","f","f"), y=c(1,3,2,8,8,4,4,6,0), z=c("M","M","M","F","F","M","M","F","F")) 
DF <- data.table(DF) 

Я хотел бы иметь этот выход:

> DF 
    x y z Index 
1: a 1 M 1 
2: a 3 M 1 
3: a 2 M 1 
4: b 8 F 2 
5: c 8 F 2 
6: d 4 M 3 
7: e 4 M 3 
8: f 6 F 4 
9: f 0 F 4 

Answer 1

Новая группа начинает работать, если значение z меняется или значения, как для xиy изменяются.

Попробуйте этот пример.

require(data.table) 

DF <- data.table(x = c("a","a","a","b","c","d","e","f","f"), 
       y = c(1,3,2,8,8,4,4,6,0), 
       z=c("M","M","M","F","F","M","M","F","F")) 

# The functions to compare if value is not equal with the previous value 
is.not.eq.with.lag <- function(x) c(T, tail(x, -1) != head(x, -1)) 

DF[, x1 := is.not.eq.with.lag(x)] 
DF[, y1 := is.not.eq.with.lag(y)] 
DF[, z1 := is.not.eq.with.lag(z)] 
DF 

DF[, Index := cumsum(z1 | (x1 & y1))] 
DF 

Answer 2

Я знаю много людей предупреждают о for петли в R, но в данном случае я считаю, что это очень прямой путь подхода к проблеме. Кроме того, результат не растет, поэтому проблемы с производительностью не являются большой проблемой. Подход for цикл будет:

dt$grp <- rep(NA,nrow(dt)) 
    for (i in 1:nrow(dt)){ 
     if (i == 1){ 
      dt$grp[i] = 1 
     } 
     else { 
      if(dt$z[i-1] == dt$z[i] & (dt$x[i-1] == dt$x[i] | dt$y[i-1] == dt$y[i])){ 
      dt$grp[i] = dt$grp[i-1] 
      }else{ 
      dt$grp[i] = dt$grp[i-1] + 1 
      } 
     } 
    } 

Попытка это на ФОС исходной задачи, результат:

DF = data.frame(x=c("a","a","a","b","c","d","e","f","f"), y=c(1,3,2,8,8,4,4,6,0), z=c("M","M","M","F","F","M","M","F","F")) 
dt <- data.table(DF) 
dt$grp <- rep(NA,nrow(dt)) 
for (i in 1:nrow(dt)){ 
    if (i == 1){ 
     dt$grp[i] = 1 
    } 
    else { 
     if(dt$z[i-1] == dt$z[i] & (dt$x[i-1] == dt$x[i] | dt$y[i-1] == dt$y[i])){ 
     dt$grp[i] = dt$grp[i-1] 
     }else{ 
     dt$grp[i] = dt$grp[i-1] + 1 
     } 
    } 
} 
dt 

    x y z grp 
1: a 1 M 1 
2: a 3 M 1 
3: a 2 M 1 
4: b 8 F 2 
5: c 8 F 2 
6: d 4 M 3 
7: e 4 M 3 
8: f 6 F 4 
9: f 0 F 4 

Попытка это на data.table в @ комментарий Франка, дает ожидаемый результат, а также:

dt<-data.table(x = c("b", "a", "a"), y = c(1, 1, 2), z = c("F", "F", "F")) 
dt$grp <- rep(NA,nrow(dt)) 
for (i in 1:nrow(dt)){ 
    if (i == 1){ 
     dt$grp[i] = 1 
    } 
    else { 
     if(dt$z[i-1] == dt$z[i] & (dt$x[i-1] == dt$x[i] | dt$y[i-1] == dt$y[i])){ 
     dt$grp[i] = dt$grp[i-1] 
     }else{ 
     dt$grp[i] = dt$grp[i-1] + 1 
     } 
    } 
} 
dt 

    x y z grp 
1: b 1 F 1 
2: a 1 F 1 
3: a 2 F 1 

Answer 3

EDITED TO ADD: Это решение является в некотором роде более подробной версией той, которая защищена djhurio above. Я думаю, что это показывает, что происходит немного больше, поэтому я оставлю это.

Я думаю, что это задача легче сделать, если она немного разбита. В приведенном ниже коде сначала создаются ДВУХ индексы, один для изменений в x (вложенный в z) и один для изменений в y (вложенный в z). Затем мы найдем первую строку из каждого из этих индексов. Принимая кумулятивную сумму случая, когда оба FIRST.x и FIRST.y являются истинными, должны указать желаемый индекс.

library(data.table) 

dt_example <- data.table(x = c("a","a","a","b","c","d","e","f","f"), 
         y = c(1,3,2,8,8,4,4,6,0), 
         z = c("M","M","M","F","F","M","M","F","F")) 

dt_example[,Index_x := .GRP,by = c("z","x")] 
dt_example[,Index_y := .GRP,by = c("z","y")] 

dt_example[,FIRST.x := !duplicated(Index_x)] 
dt_example[,FIRST.y := !duplicated(Index_y)] 

dt_example[,Index := cumsum(FIRST.x & FIRST.y)] 
dt_example 

    x y z Index_x Index_y FIRST.x FIRST.y Index 
1: a 1 M  1  1 TRUE TRUE  1 
2: a 3 M  1  2 FALSE TRUE  1 
3: a 2 M  1  3 FALSE TRUE  1 
4: b 8 F  2  4 TRUE TRUE  2 
5: c 8 F  3  4 TRUE FALSE  2 
6: d 4 M  4  5 TRUE TRUE  3 
7: e 4 M  5  5 TRUE FALSE  3 
8: f 6 F  6  6 TRUE TRUE  4 
9: f 0 F  6  7 FALSE TRUE  4 

Answer 4

Этот подход ищет изменения в x & z | y & z. Дополнительные столбцы оставляются в таблице данных. Чтобы показать вычисления.

DF[, c("Ix", "Iy", "Iz", "dx", "dy", "min.change", "Index") := 
    #Create index of values based on consecutive order 
    list(ix <- rleid(x), iy <- rleid(y), iz <- rleid(z), 
      #Determine if combinations of x+z OR y+z change 
      ix1 <- c(0, diff(rleid(ix+iz))), 
      iy1 <- c(0, diff(rleid(iy+iz))), 
      #Either combination is constant (no change)? 
      change <- pmin(ix1, iy1), 
      #New index based on change 
      cumsum(change) + 1 
     )] 

    x y z Ix Iy Iz dx dy min.change Index 
1: a 1 M 1 1 1 0 0   0  1 
2: a 3 M 1 2 1 0 1   0  1 
3: a 2 M 1 3 1 0 1   0  1 
4: b 8 F 2 4 2 1 1   1  2 
5: c 8 F 3 4 2 1 0   0  2 
6: d 4 M 4 5 3 1 1   1  3 
7: e 4 M 5 5 3 1 0   0  3 
8: f 6 F 6 6 4 1 1   1  4 
9: f 0 F 6 7 4 0 1   0  4