1

次のようなデータフレームがあります。

  name day wages
1  Ann   1   100
2  Ann   1   150
3  Ann   2   200
4  Ann   3   150
5  Bob   1   100
6  Bob   1   200
7  Bob   1   150
8  Bob   2   100

一意の名前/日のペアごとに、「この人の当日または翌日の賃金が 175 を超えた回数」など、合計の範囲を計算したいと思います。賃金よりも多くの列があり、各行の各合計に適用される 4 つのタイム スライスがあります。

現在、データフレームを一意にすることで達成できます：

df.unique <- df[!duplicated(df[,c('name','day')]),]

次に、 のすべての行に対してdf.unique、次の関数 (わかりやすくするために手書きで記述) を に適用しますdf。

for(i in 1:nrow(df.unique)) {
    df.unique[i,"wages_gt_175_day_and_next"] <- wages_gt_for_person_today_or_next(df,175,df.unique[i,"day"],df.unique[i,"name"])
}

wages_gt_for_person_today_or_next <- function(df,amount,day,person) {
  temp <- df[df$name==person,]
  temp <- temp[temp$day==day|temp$day==day+1,]
  temp <- temp[temp$wages > amount,]
  return(nrow(temp))
}

この些細な例で、私に与えます：

name day wages_gt_175_day_and_next
Ann   1   1
Ann   2   1
Ann   3   0
Bob   1   1
Bob   2   0

ただし、数十万行あることを考えると、これは非常に遅いアプローチのようです。これを行うより賢い方法はありますか？行列演算、適用、sqldf、そのようなものはありますか?

サンプル df を再作成するコード:

structure(list(name = structure(c(1L, 1L, 1L, 1L, 2L, 2L, 2L, 
2L), .Label = c("Ann", "Bob"), class = "factor"), day = c(1, 
1, 2, 3, 1, 1, 1, 2), wages = c(100, 150, 200, 150, 100, 200, 
150, 100)), .Names = c("name", "day", "wages"), row.names = c(NA, 
-8L), class = "data.frame")
4

1 に答える 1

3

出力例から簡単に説明すると、次のように少し凝ったものを使用していdata.tableます。

require(data.table)
DT <- data.table(df)
setkey(DT,name,day)

DT[,list(gt175 = sum(wages >= 175)),list(name,day)][,list(day = day,gt175 = as.integer(gt175 + c(tail(gt175,-1),0) > 0)),list(name)]

これは少し複雑ですが、高速である必要があります。

于 2012-04-17T18:38:40.720 に答える