在 R data.table 计算中使用前一行的值答案

【问题标题】：Use a value from the previous row in an R data.table calculation在 R data.table 计算中使用前一行的值
【发布时间】：2013-01-19 07:27:50
【问题描述】：

我想在 data.table 中创建一个新列，该列是根据一列的当前值和另一列的前一个值计算得出的。是否可以访问以前的行？

例如：

> DT <- data.table(A=1:5, B=1:5*10, C=1:5*100)
> DT
   A  B   C
1: 1 10 100
2: 2 20 200
3: 3 30 300
4: 4 40 400
5: 5 50 500
> DT[, D := C + BPreviousRow] # What is the correct code here?

正确答案应该是

> DT
   A  B   C   D
1: 1 10 100  NA
2: 2 20 200 210
3: 3 30 300 320
4: 4 40 400 430
5: 5 50 500 540

【问题讨论】：

我通常给我的data.tables设置一个key：DT <- data.table(A=..., key = "A")

标签： r data.table

【解决方案1】：

在v1.9.6 中实现shift()，这非常简单。

DT[ , D := C + shift(B, 1L, type="lag")]
# or equivalently, in this case,
DT[ , D := C + shift(B)]

来自NEWS：

新函数 shift() 实现 vector、list、data.frames 或 data.tableslead/lag /em>。它需要一个type 参数，可以是“lag”（默认）或“lead”。它与:= 或set() 一起使用非常方便。例如：DT[, (cols) := shift(.SD, 1L), by=id]。请查看?shift 了解更多信息。

查看历史以获取以前的答案。

【讨论】：

.N 是否保存当前行号或其他内容？很抱歉在这里问，但我似乎无法在帮助文件中找到它...
@SlowLearner：您可能还会发现 .I 很有用，它保存当前组中行的行索引。
使用 seq_len(.N - 1) 而不是 1:(.N-1)。这避免了与 1:0 相关的问题。
+1 用于.SD 示例——我试图使用lapply 并获得了时髦的结果。这要简单得多。
在哪里可以找到包含所有这些新信息的更新 pdf？官方 1.9.4 小插曲和网络研讨会不包括它。而且 Rmd 1.9.5 小插曲不舒服，也不包括在内。

【解决方案2】：

使用dplyr 你可以这样做：

mutate(DT, D = lag(B) + C)

这给出了：

#   A  B   C   D
#1: 1 10 100  NA
#2: 2 20 200 210
#3: 3 30 300 320
#4: 4 40 400 430
#5: 5 50 500 540

【讨论】：

【解决方案3】：

几个人已经回答了具体问题。请参阅下面的代码，了解我在这种情况下使用的通用功能，它可能会有所帮助。您可以根据需要在“过去”或“未来”中查看尽可能多的行，而不仅仅是获取前一行。

rowShift <- function(x, shiftLen = 1L) {
  r <- (1L + shiftLen):(length(x) + shiftLen)
  r[r<1] <- NA
  return(x[r])
}

# Create column D by adding column C and the value from the previous row of column B:
DT[, D := C + rowShift(B,-1)]

# Get the Old Faithul eruption length from two events ago, and three events in the future:
as.data.table(faithful)[1:5,list(eruptLengthCurrent=eruptions,
                                 eruptLengthTwoPrior=rowShift(eruptions,-2), 
                                 eruptLengthThreeFuture=rowShift(eruptions,3))]
##   eruptLengthCurrent eruptLengthTwoPrior eruptLengthThreeFuture
##1:              3.600                  NA                  2.283
##2:              1.800                  NA                  4.533
##3:              3.333               3.600                     NA
##4:              2.283               1.800                     NA
##5:              4.533               3.333                     NA

【讨论】：

这是一个绝妙的答案，我很生气我已经对其他答案投了赞成票，因为这是一个更普遍的答案。事实上，我将在我的geneorama 包中使用它（如果你不介意的话）。
当然，去吧。我希望有一些空闲时间并将其作为拉取请求提交给data.table 包，但是唉......
从 1.9.5 版开始，data.table 中添加了一个名为 shift 的类似函数。请参阅来自@Arun 的updated answer。

【解决方案4】：

根据上面@Steve Lianoglou 的评论，为什么不只是：

DT[, D:= C + c(NA, B[.I - 1]) ]
#    A  B   C   D
# 1: 1 10 100  NA
# 2: 2 20 200 210
# 3: 3 30 300 320
# 4: 4 40 400 430
# 5: 5 50 500 540

并避免使用seq_len 或head 或任何其他函数。

【讨论】：

很好 - 但是如果你想在一个组中找到前一个，这将不起作用。
@Matthew 你是对的。如果按组进行子集化，我会将.I 替换为seq_len(.N)

【解决方案5】：

按照Arun的方案，不用参考.N也可以得到类似的结果

> DT[, D := C + c(NA, head(B, -1))][]
   A  B   C   D
1: 1 10 100  NA
2: 2 20 200 210
3: 3 30 300 320
4: 4 40 400 430
5: 5 50 500 540

【讨论】：

有理由选择一种方法而不是另一种方法吗？还是仅仅是审美差异？
我认为在这种情况下（即.N 随时可用），它主要是审美选择。我不知道有什么重要的区别。

【解决方案6】：

我添加了一个填充参数并更改了一些名称并将其命名为shift。 https://github.com/geneorama/geneorama/blob/master/R/shift.R

【讨论】：

非常感谢您的来信。我会留意它，很可能会使用它并弃用我的基因模型版本。

【解决方案7】：

这是我的直观解决方案：

#create data frame
df <- data.frame(A=1:5, B=seq(10,50,10), C=seq(100,500, 100))`
#subtract the shift from num rows
shift  <- 1 #in this case the shift is 1
invshift <- nrow(df) - shift
#Now create the new column
df$D <- c(NA, head(df$B, invshift)+tail(df$C, invshift))`

这里invshift，行数减1，为4。nrow(df)为您提供数据框或向量中的行数。同样，如果您想取更早的值，请从 nrow 2、3、...等中减去，并将 NA 相应地放在开头。

【讨论】：

【解决方案8】：

它可以循环完成。

# Create the column D
DT$D <- 0
# for every row in DT
for (i in 1:length(DT$A)) {
  if(i==1) {
    #using NA at first line
    DT[i,4] <- NA
  } else {
    #D = C + BPreviousRow
    DT[i,4] <- DT[i,3] + DT[(i-1), 2]   
  }
}

使用for，你甚至可以使用这个新列DT[(i-1), 4]的行的前一个值

【讨论】：