Эффективный способ найти идентификатор менеджера менеджера

Question

У меня есть база данных сотрудников с идентификатором своего менеджера в длинном формате (по одной строке на одного сотрудника в месяц). Я хотел бы добавить столбец, содержащий идентификатор менеджера менеджера (или идентификатор своего диспетчера уровней пропуска).

Вот это игрушка набор данных:

id <- c(seq.int(1,11), seq.int(2,12)) 
mgr_id <- as.integer(c(NA, 1, 1, 2, 2, 2, 2, 3, 3, 5, 5, #period 1 
         NA, 2, 5, 2, 5, 5, 3, 3, 5, 10, 10)) #period 2 
period <- c(rep(1, 11), rep(2, 11)) 
left_company <- c(1, rep(0, 21)) 
joined_company <- c(rep(0, 21), 1) 

df <- data.frame(id, mgr_id, period, left_company, joined_company) 

А вот функция, которую я написал, что возвращает ожидаемые результаты.

# finds the employee's manager in the correct period, and returns that manager's id 

    get_mgr_mgr_id <- function(manager_id, period){ 
     mgr_mgr_id <- df$mgr_id[df$id == manager_id & df$period == period] 
     return(mgr_mgr_id[1]) 
    } 

Когда я использую функцию с mapply, все хорошо. Обратите внимание, что сотрудник 1 покинул компанию, и они были заменены на сотрудника 5, который был заменен на сотрудника 10, который был заменен на сотрудника 12, нового найма.

df$mgr_mgr_id <- mapply(get_mgr_mgr_id, df$mgr_id, df$period) 

df 
    id mgr_id period left joined mgr_mgr_id 
1 1  NA  1 1  0   NA 
2 2  1  1 0  0   NA 
3 3  1  1 0  0   NA 
4 4  2  1 0  0   1 
5 5  2  1 0  0   1 
6 6  2  1 0  0   1 
7 7  2  1 0  0   1 
8 8  3  1 0  0   1 
9 9  3  1 0  0   1 
10 10  5  1 0  0   2 
11 11  5  1 0  0   2 
12 2  NA  2 0  0   NA 
13 3  2  2 0  0   NA 
14 4  5  2 0  0   2 
15 5  2  2 0  0   NA 
16 6  5  2 0  0   2 
17 7  5  2 0  0   2 
18 8  3  2 0  0   2 
19 9  3  2 0  0   2 
20 10  5  2 0  0   2 
21 11  10  2 0  0   5 
22 12  10  2 0  1   5 

Мой вопрос: есть более эффективный способ, чтобы получить этот результат? В настоящее время требуется довольно много времени, чтобы работать даже на 10 000 строк, а мой набор данных имеет более чем миллион.

Я также открыт для предложений на более общее название вопроса (возможно, версия этого SQL вопрос: Most efficient way to find something recursively in a table?)

Answer 1

Вы можете запустить присоединиться data.table. Я не уверен, насколько быстрее будет:

library(data.table) 
setDT(df) 

df[, m2id := df[.(id = mgr_id, period = period), on=c("id", "period"), mgr_id]] 

    id mgr_id period left_company joined_company m2id 
1: 1  NA  1   1    0 NA 
2: 2  1  1   0    0 NA 
3: 3  1  1   0    0 NA 
4: 4  2  1   0    0 1 
5: 5  2  1   0    0 1 
6: 6  2  1   0    0 1 
7: 7  2  1   0    0 1 
8: 8  3  1   0    0 1 
9: 9  3  1   0    0 1 
10: 10  5  1   0    0 2 
11: 11  5  1   0    0 2 
12: 2  NA  2   0    0 NA 
13: 3  2  2   0    0 NA 
14: 4  5  2   0    0 2 
15: 5  2  2   0    0 NA 
16: 6  5  2   0    0 2 
17: 7  5  2   0    0 2 
18: 8  3  2   0    0 2 
19: 9  3  2   0    0 2 
20: 10  5  2   0    0 2 
21: 11  10  2   0    0 5 
22: 12  10  2   0    1 5 
    id mgr_id period left_company joined_company m2id 

Как это работает

Синтаксис для соединения является x[i, on=, j]. Он использует i и on для подмножества x, а затем возвращает j. Ключевым моментом здесь является установка id = mgr_id в i, поэтому мы подмножаемся по строкам менеджера.

Синтаксис для назначения столбца: DT[, col_name := value]. В этом случае значение происходит от соединения, объясненного в последнем абзаце.