ROW_NUMBER()Oracle 、RANK()、またはDENSE_RANK()(「順序に応じて行に整数値を割り当てる」; http://www.orafaq.com/node/55を参照)のようなランク関数に相当する R は何ですか?
各機能の機能は、アドホックな方法で実現できる可能性があることに同意します。しかし、私の主な関心事はパフォーマンスです。メモリと速度のために、結合またはインデックス アクセスを使用しないことをお勧めします。
質問する
16674 次
5 に答える
30
このdata.tableパッケージは、特にバージョン 1.8.1 以降では、SQL 用語でのパーティションの機能の多くを提供します。rank(x, ties.method = "min")in R は OracleRANK()に似ており、関数を模倣するために因子 (以下で説明) を使用する方法がありDENSE_RANK()ます。模倣する方法ROW_NUMBERは、最後まで明らかになるはずです。
以下に例を示します: data.tableR-Forge からの最新バージョンをロードします。
install.packages("data.table",
repos= c("http://R-Forge.R-project.org", getOption("repos")))
library(data.table)
いくつかのサンプル データを作成します。
set.seed(10)
DT<-data.table(ID=seq_len(4*3),group=rep(1:4,each=3),value=rnorm(4*3),
info=c(sample(c("a","b"),4*2,replace=TRUE),
sample(c("c","d"),4,replace=TRUE)),key="ID")
> DT
ID group value info
1: 1 1 0.01874617 a
2: 2 1 -0.18425254 b
3: 3 1 -1.37133055 b
4: 4 2 -0.59916772 a
5: 5 2 0.29454513 b
6: 6 2 0.38979430 a
7: 7 3 -1.20807618 b
8: 8 3 -0.36367602 a
9: 9 3 -1.62667268 c
10: 10 4 -0.25647839 d
11: 11 4 1.10177950 c
12: 12 4 0.75578151 d
内でID降順でそれぞれをランク付けします (降順を示すために の前にあることに注意してください)。valuegroup-value
> DT[,valRank:=rank(-value),by="group"]
ID group value info valRank
1: 1 1 0.01874617 a 1
2: 2 1 -0.18425254 b 2
3: 3 1 -1.37133055 b 3
4: 4 2 -0.59916772 a 3
5: 5 2 0.29454513 b 2
6: 6 2 0.38979430 a 1
7: 7 3 -1.20807618 b 2
8: 8 3 -0.36367602 a 1
9: 9 3 -1.62667268 c 3
10: 10 4 -0.25647839 d 3
11: 11 4 1.10177950 c 1
12: 12 4 0.75578151 d 2
ランク付けされている値に同点がある場合DENSE_RANK()、値を係数に変換してから、基になる整数値を返すことができます。たとえば、（と比較して）内IDに基づいてそれぞれをランク付けします。infogroupinfoRankinfoRankDense
DT[,infoRank:=rank(info,ties.method="min"),by="group"]
DT[,infoRankDense:=as.integer(factor(info)),by="group"]
R> DT
ID group value info valRank infoRank infoRankDense
1: 1 1 0.01874617 a 1 1 1
2: 2 1 -0.18425254 b 2 2 2
3: 3 1 -1.37133055 b 3 2 2
4: 4 2 -0.59916772 a 3 1 1
5: 5 2 0.29454513 b 2 3 2
6: 6 2 0.38979430 a 1 1 1
7: 7 3 -1.20807618 b 2 2 2
8: 8 3 -0.36367602 a 1 1 1
9: 9 3 -1.62667268 c 3 3 3
10: 10 4 -0.25647839 d 3 2 2
11: 11 4 1.10177950 c 1 1 1
12: 12 4 0.75578151 d 2 2 2
ps こんにちは、マシュー・ダウルです。
リードとラグ
LEAD と LAG を模倣するには、ここで提供される回答から始めます。グループ内の ID の順序に基づいてランク変数を作成します。これは、上記のような偽のデータでは必要ありませんが、ID がグループ内で順番に並べられていないと、処理が少し難しくなります。以下は、連続していない ID を持つ新しい偽のデータです。
set.seed(10)
DT<-data.table(ID=sample(seq_len(4*3)),group=rep(1:4,each=3),value=rnorm(4*3),
info=c(sample(c("a","b"),4*2,replace=TRUE),
sample(c("c","d"),4,replace=TRUE)),key="ID")
DT[,idRank:=rank(ID),by="group"]
setkey(DT,group, idRank)
> DT
ID group value info idRank
1: 4 1 -0.36367602 b 1
2: 5 1 -1.62667268 b 2
3: 7 1 -1.20807618 b 3
4: 1 2 1.10177950 a 1
5: 2 2 0.75578151 a 2
6: 12 2 -0.25647839 b 3
7: 3 3 0.74139013 c 1
8: 6 3 0.98744470 b 2
9: 9 3 -0.23823356 a 3
10: 8 4 -0.19515038 c 1
11: 10 4 0.08934727 c 2
12: 11 4 -0.95494386 c 3
次に、前の 1 レコードの値を取得するには、groupとidRank変数を使用して から減算1しidRank、引数を使用しmulti = 'last'ます。上記のレコード 2 エントリから値を取得するには、 を減算し2ます。
DT[,prev:=DT[J(group,idRank-1), value, mult='last']]
DT[,prev2:=DT[J(group,idRank-2), value, mult='last']]
ID group value info idRank prev prev2
1: 4 1 -0.36367602 b 1 NA NA
2: 5 1 -1.62667268 b 2 -0.36367602 NA
3: 7 1 -1.20807618 b 3 -1.62667268 -0.3636760
4: 1 2 1.10177950 a 1 NA NA
5: 2 2 0.75578151 a 2 1.10177950 NA
6: 12 2 -0.25647839 b 3 0.75578151 1.1017795
7: 3 3 0.74139013 c 1 NA NA
8: 6 3 0.98744470 b 2 0.74139013 NA
9: 9 3 -0.23823356 a 3 0.98744470 0.7413901
10: 8 4 -0.19515038 c 1 NA NA
11: 10 4 0.08934727 c 2 -0.19515038 NA
12: 11 4 -0.95494386 c 3 0.08934727 -0.1951504
LEAD の場合、idRank変数に適切なオフセットを追加し、次のように切り替えますmulti = 'first'。
DT[,nex:=DT[J(group,idRank+1), value, mult='first']]
DT[,nex2:=DT[J(group,idRank+2), value, mult='first']]
ID group value info idRank prev prev2 nex nex2
1: 4 1 -0.36367602 b 1 NA NA -1.62667268 -1.2080762
2: 5 1 -1.62667268 b 2 -0.36367602 NA -1.20807618 NA
3: 7 1 -1.20807618 b 3 -1.62667268 -0.3636760 NA NA
4: 1 2 1.10177950 a 1 NA NA 0.75578151 -0.2564784
5: 2 2 0.75578151 a 2 1.10177950 NA -0.25647839 NA
6: 12 2 -0.25647839 b 3 0.75578151 1.1017795 NA NA
7: 3 3 0.74139013 c 1 NA NA 0.98744470 -0.2382336
8: 6 3 0.98744470 b 2 0.74139013 NA -0.23823356 NA
9: 9 3 -0.23823356 a 3 0.98744470 0.7413901 NA NA
10: 8 4 -0.19515038 c 1 NA NA 0.08934727 -0.9549439
11: 10 4 0.08934727 c 2 -0.19515038 NA -0.95494386 NA
12: 11 4 -0.95494386 c 3 0.08934727 -0.1951504 NA NA
于 2012-07-12T09:18:38.107 に答える
7
からdata.table v1.9.5+、機能frank()（高速ランク用）が実装されました。簡単にプログラミングできるfrank()インタラクティブなシナリオで役立ちます。frankv()
で利用可能なすべての操作を実装しますbase::rank。さらに、利点は次のとおりです。
frank()原子ベクトルに加えて、 list、data.frames、およびdata.tablesで動作します。列ごとに、ランクを昇順または降順に計算するかどうかを指定できます。
denseの他のタイプに加えて、ランク タイプも実装しbaseます。文字列でも使用
-して、降順でランク付けできます。
これは、@ BenBarnes ' (優れた) 投稿の同じdata.table を使用した上記のすべてのポイントの図です。DT
データ：
require(data.table)
set.seed(10)
sample_n <- function(x, n) sample(x, n, replace=TRUE)
DT <- data.table(
ID = seq_len(4*3),
group = rep(1:4,each=3),
value = rnorm(4*3),
info = c(sample_n(letters[1:2], 8), sample_n(letters[3:4], 4)))
単一の列:
計算
denseランク:DT[, rank := frank(value, ties.method="dense"), by=group]
min、max、random、averageおよびの他の方法も使用できますfirst。
降順：
DT[, rank := frank(-value, ties.method="dense"), by=group]を使用すると、次
frankvのようになりfrankます。# increasing order frankv(DT, "value", ties.method="dense") # decreasing order frankv(DT, "value", order=-1L, ties.method="dense")
複数の列
Subset of Data.SDを表し、そのグループに対応するデータを含むを使用できます。の詳細については、data.table HTML ビネットの概要を参照してください。.SD
info, valueでグループ化しながら列でランク付けgroup:DT[, rank := frank(.SD, info, value, ties.method="dense"), by=group]-降順を指定するために使用します。DT[, rank := frank(.SD, info, -value, ties.method="dense"), by=group]-文字列で直接使用することもできますDT[, rank := frank(.SD, -info, -value, ties.method="dense"), by=group]
frankv同様に使用して、列をcols引数に指定し、引数を使用して列をランク付けする順序を指定できorderます。
比較する小さなベンチマークbase::rank:
set.seed(45L)
x = sample(1e4, 1e7, TRUE)
system.time(ans1 <- base::rank(x, ties.method="first"))
# user system elapsed
# 22.200 0.255 22.536
system.time(ans2 <- frank(x, ties.method="first"))
# user system elapsed
# 0.745 0.014 0.762
identical(ans1, ans2) # [1] TRUE
于 2015-01-25T20:20:55.753 に答える
3
私は次の人と同じくらいdata.tableが好きですが、必ずしも必要というわけではありません。data.tableは常に高速ですが、グループの数がかなり少ない場合は、適度に大きなデータセットの場合でも、 plyrは適切に機能します。
BenBarnesがsを使用して行ったことは、 plyrdata.tableを使用して同じようにコンパクトに実行できます（ただし、前に述べたように、多くの場合、おそらく遅くなります）。
library(plyr)
ddply(DT,.(group),transform,valRank = rank(-value))
ddply(DT,.(group),transform,valRank = rank(info,ties.method = "min"),
valRankDense = as.integer(factor(info)))
また、追加のパッケージを1つもロードしなくても、次のようになります。
do.call(rbind,by(DT,DT$group,transform,valRank = rank(-value)))
do.call(rbind,by(DT,DT$group,transform,valRank = rank(info,ties.method = "min"),
valRankDense = as.integer(factor(info))))
ただし、その最後のケースでは、構文上の優れた点のいくつかが失われます。
于 2012-07-13T03:31:20.427 に答える
-6
オラクルの分析関数に直接相当するものはないと思います。Plyr は分析機能の一部を実現できる可能性がありますが、すべてを直接実現できるわけではありません。R は各機能を個別に複製できると確信していますが、すべてを実行できる単一のパッケージはないと思います。
R で実行する必要がある特定の操作がある場合は、グーグル検索を行い、空になった場合は、StackOverflow で具体的な質問をしてください。
于 2012-07-12T08:14:10.953 に答える