在 R 中移动行

Question

value1	value2
1	1
0	1
0	1
0	1
2	2
0	2
0	2
3	3
4	4
0	4

我在数据框中有一列“value1”，我想重复相同的值直到下一个数字 > 0。结果我想要的是列“value2”。这是大量数据，所以循环代码会很棒。

感谢社区！！

Answer 1

我们可以使用cumsum 的条件：

library(dplyr)

df %>% 
  mutate(value2 = cumsum(value1>0))

   value1 value2
1       1      1
2       0      1
3       0      1
4       0      1
5       2      2
6       0      2
7       0      2
8       3      3
9       4      4
10      0      4

数据：

df <- structure(list(value1 = c(1L, 0L, 0L, 0L, 2L, 0L, 0L, 3L, 4L, 
0L)), class = "data.frame", row.names = c(NA, -10L))

Answer 2

使用 data.table 并与 base 和 dplyr 进行比较

data.table 方法

这是一个基于 data.table 的答案版本，比基本版本和 dplyr 版本都快。

set.seed(65L)
df <- data.table(v1 = sample(0:4, 1000, replace = TRUE), v2 = 0)
df[, v2 := cumsum(v1 > 0)]
head(df, 12)
    v1 v2
 1:  2  1
 2:  1  2
 3:  3  3
 4:  0  3
 5:  0  3
 6:  4  4
 7:  2  5
 8:  4  6
 9:  4  7
10:  0  7
11:  4  8
12:  2  9

三法比较：等价

set.seed(65L)
df <- data.frame(v1 = sample(0:4, 1000, replace = TRUE), v2 = 0)
df2 <- df
dt <- as.data.table(df)

# data.table
dt[, v2 := cumsum(v1 > 0)]

# base R
if (df$v1[1L] > 0) {df$v2[1L] <- 1}
for (i in 2:length(df$v1)) {
  df$v2[i] <- df$v2[i - 1] + if (df$v1[i] > 0) {1} else {0}
}

# dplyr
if (df2$v1[1L] > 0) {df2$v2[1L] <- 1}
df2 <- df2 %>% mutate(v2 = cumsum(v1>0))

all.equal(dt, df, check.attributes = FALSE)
[1] TRUE
all.equal(dt, df2, check.attributes = FALSE)
[1] TRUE
all.equal(df, df2, check.attributes = FALSE)
[1] TRUE

三法对比：速度

library(microbenchmark)
microbenchmark(DT = dt[, v2 := cumsum(v1 > 0)],
Base = {if (df$v1[1L] > 0) {df$v2[1L] <- 1};for (i in 2:length(df$v1)) {df$v2[i] <- df$v2[i - 1] + if (df$v1[i] > 0) {1} else {0}}},
DP = {if (df2$v1[1L] > 0) {df2$v2[1L] <- 1};df2 <- df2 %>% mutate(v2 = cumsum(v1>0))},
setup = 'set.seed(65L);df <- data.table(v1 = sample(0:4, 1000, replace = TRUE), v2 = 0); df2 <- df; dt <- as.data.table(df)',
control = list(order = 'block'), times = 1000L)

Unit: microseconds
 expr    min      lq      mean median      uq     max neval cld
   DT  204.1  210.20  216.6067  212.0  216.80   382.9  1000 a  
 Base 7956.1 8322.85 8936.3439 8457.6 8702.25 22219.4  1000   c
   DP  916.0  930.50  994.4782  939.8  977.60  6157.4  1000  b

所以dplyr 方法比基本循环快约 9 倍，data.table 方法比 dplyr 快约 4.5 倍，比基本循环快 40 倍以上！

Answer 3

对于这些情况，我通常将 0 替换为 NA 值，并使用 tidyr::fill() 向前复制最后一个非缺失（即非零）值。

这是一个例子：

df <- data.frame(
  value1 = c(1, 0, 0, 0, 2, 0, 0, 3, 4, 0)
) 


library(dplyr)

df %>% 
  mutate(
    value2 = ifelse(value1 == 0, NA_real_, value1)
  ) %>% 
  tidyr::fill(value2, .direction = "down")

结果：

   value1 value2
1       1      1
2       0      1
3       0      1
4       0      1
5       2      2
6       0      2
7       0      2
8       3      3
9       4      4
10      0      4

即使值的增加大于/小于 1，这也有效，例如，情况并非如此。 cumsum().

Answer 4

无需使用循环。使用base R 的一种选择是：

df <- data.frame(value1 = c(1,0,0,0,2,0,0,3,4,0))
df$value2 <- cumsum(ifelse(df$value1 > 0, 1, 0))

产量：

> df
   value1 value2
1       1      1
2       0      1
3       0      1
4       0      1
5       2      2
6       0      2
7       0      2
8       3      3
9       4      4
10      0      4

Answer 5

使用基础 R

可能有更优雅的方法可以做到这一点，但假设“value2”列已经在数据框中，您可以执行以下操作。这个答案完全依赖于基数 R，而且 v1 是增加还是减少都无关紧要，只是它不为零。我将创建一个数据框作为示例。

set.seed(65L)
df <- data.frame(v1 = sample(0:4, 1000, replace = TRUE), v2 = 0)
 
head(df, 12)
   v1 v2
1   2  0
2   1  0
3   3  0
4   0  0
5   0  0
6   4  0
7   2  0
8   4  0
9   4  0
10  0  0
11  4  0
12  2  0
 
# Handle the first row seperately to get rid of i - 1 headaches
if (df$v1[1L] > 0) {df$v2[1L] <- 1}
 
# Now the loop. Safer to do seq_len(length(df$v1) - 1) + 1 but that's more confusing
 
for (i in 2:length(df$v1)) {
    df$v2[i] <- df$v2[i - 1] + if (df$v1[i] > 0) {1} else {0}
}
 
head(df, 12)
   v1 v2
1   2  1
2   1  2
3   3  3
4   0  3
5   0  3
6   4  4
7   2  5
8   4  6
9   4  7
10  0  7
11  4  8
12  2  9