Пометка первой строки по группе в data.table

В таблице данных ниже я хочу пометить первую строку каждой группой.

  temp_dt <- data.table(date = as.Date(c("2000-01-01","2000-03-31","2000-07-01","2000-09-30", 
                                     "2001-01-01","2001-03-31","2001-07-01","2001-09-30",
                                     "2000-01-01","2000-03-31","2000-07-01","2000-09-30", 
                                     "2001-01-01","2001-03-31","2001-07-01","2001-09-30",
                                     "2000-01-01","2000-03-31","2000-07-01","2000-09-30", 
                                     "2001-01-01","2001-03-31","2001-07-01","2001-09-30")),
                    group = c(1,1,1,1,1,1,1,1,
                              2,2,6,6,6,8,8,8,
                              3,3,3,3,4,4,4,4))

Ниже приведен ожидаемый результат после добавления флага.

> temp_dt
          date group flag
 1: 2000-01-01     1    1
 2: 2000-03-31     1    0
 3: 2000-07-01     1    0
 4: 2000-09-30     1    0
 5: 2001-01-01     1    0
 6: 2001-03-31     1    0
 7: 2001-07-01     1    0
 8: 2001-09-30     1    0
 9: 2000-01-01     2    1
10: 2000-03-31     2    0
11: 2000-07-01     6    1
12: 2000-09-30     6    0
13: 2001-01-01     6    0
14: 2001-03-31     8    1
15: 2001-07-01     8    0
16: 2001-09-30     8    0
17: 2000-01-01     3    1
18: 2000-03-31     3    0
19: 2000-07-01     3    0
20: 2000-09-30     3    0
21: 2001-01-01     4    1
22: 2001-03-31     4    0
23: 2001-07-01     4    0
24: 2001-09-30     4    0
          date group flag

Вот решение, которое я пробовал (это быстро), но оно не работает должным образом.

temp_dt[, flag := if (identical(.I, 1)) 1 else 0, by = .(group)]

Поскольку я имею дело с миллионами строк, ключевым фактором решения является производительность. Я ищу только решение data.table.

Другие решения, представленные на SO, слишком медленные для моего требования.

Я думаю, что Billy34 использует rowid(group) лучше всего, но буквальное улучшение вашего if кода будет temp_dt[, flag := +(seq_len(.N) == 1), by = group]; специальная переменная .I не учитывает группы, как это видно на примере temp_dt[, i := .I, by = group].

— 31.01.2023 14:23

r data.table

31.01.2023 12:30

Стоит ли изучать PHP в 2023-2024 годах?

Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...

Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией

В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.

Приемы CSS-макетирования - floats и Flexbox

Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...

Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest

В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...

Концепция локализации и ее применение в приложениях React ⚡️

Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...

Пользовательский скаляр GraphQL

Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...

Перейти к ответу Данный вопрос помечен как решенный

Ответы 3

Ответ принят как подходящий

Вы можете использовать функцию rowid. Это даст добавочный индекс, начинающийся с 1, для каждой группы, определяемой данной переменной (переменными) группировки. Обнаружение первой строки выполняется просто путем сравнения с 1.

temp_dt[, flag := rowid(group)==1]

В качестве бонуса для обнаружения последней строки группы (.N обозначает количество строк текущей группы)

temp_dt[, flag := rowid(group)==.N]

Я согласен. Типа ответ в процессе. Отредактировано до окончательного ответа. Спасибо

— 31.01.2023 14:29

31.01.2023 12:53

Этот способ находит самую раннюю строку по дате для каждой группы, а затем устанавливает flag == 1 для этих строк.

temp_dt[temp_dt[, .I[date == min(date)], by = .(group)]$V1, flag := 1]

# set the rest of the column to 0
temp_dt[is.na(flag), flag := 0]

31.01.2023 13:23

Вы можете решить свою проблему следующим образом:

temp_dt[, flag := +!duplicated(group)]
# or
temp_dt[, flag := match(seq_len(.N), 1, 0), by=group]


          date group  flag
 1: 2000-01-01     1     1
 2: 2000-03-31     1     0
 3: 2000-07-01     1     0
 4: 2000-09-30     1     0
 5: 2001-01-01     1     0
 6: 2001-03-31     1     0
 7: 2001-07-01     1     0
 8: 2001-09-30     1     0
 9: 2000-01-01     2     1
10: 2000-03-31     2     0
11: 2000-07-01     6     1
12: 2000-09-30     6     0
13: 2001-01-01     6     0
14: 2001-03-31     8     1
15: 2001-07-01     8     0
16: 2001-09-30     8     0
17: 2000-01-01     3     1
18: 2000-03-31     3     0
19: 2000-07-01     3     0
20: 2000-09-30     3     0
21: 2001-01-01     4     1
22: 2001-03-31     4     0
23: 2001-07-01     4     0
24: 2001-09-30     4     0

Хотя я считаю, что в конечном итоге принятый ответ является лучшим, мне очень нравятся оба этих варианта.

— 01.02.2023 06:38

31.01.2023 16:55