在R中引用同一变量中的前一个值,无循环
谢谢你复习我的问题 我试图创建一个新变量,如果满足某些条件,它将从另一个变量获得值;否则,取上一次观察的值 我可以通过运行这样的循环来实现:在R中引用同一变量中的前一个值,无循环,r,R,谢谢你复习我的问题 我试图创建一个新变量,如果满足某些条件,它将从另一个变量获得值;否则,取上一次观察的值 我可以通过运行这样的循环来实现: data <- mtcars data$test <- NA data$test <- as.numeric(data$test) a0 <- Sys.time() for (i in 2:nrow(data)) { ifelse(data$carb[[i]] < 4, data$test[[i]]
data <- mtcars
data$test <- NA
data$test <- as.numeric(data$test)
a0 <- Sys.time()
for (i in 2:nrow(data)) {
ifelse(data$carb[[i]] < 4,
data$test[[i]] <- data[[i-1,'test']],
data$test[[i]] <- data[[i,'mpg']]
)
a1 <- Sys.time()
per_left <- (i)/nrow(data)
print(paste("Time left is", round(as.numeric(as.difftime(a1-a0, units = "mins"))/per_left,2),"mins"))
}
我运行上面的函数,第2行应该采用前面的值-a,而不是默认值0。如果我使用for循环,它将使用“a”
有没有这样的功能?或者我应该如何更新我的函数以使其更快
请告知。
谢谢大家! 我们可以使用
lag
并且ifelse
已经矢量化。因此,可以使用ifelse
或case\u(当
时)。但是,当存在多个条件时,case\u当
将更具普遍性
library(dplyr)
out <- data %>%
mutate(new = case_when(carb < 4 ~ lag(test), TRUE ~ mpg))
对于第二个数据集,也许是这样
library(dplyr)
df1 %>%
mutate(new_2 = replace(var1, condition, lag(var1[condition])))
-输出
# ID condition var1 new_2
#1 1 FALSE a a
#2 1 TRUE b <NA>
#3 1 TRUE c b
#4 1 TRUE d c
#5 4 TRUE f d
#6 5 FALSE e e
更新
基于更新的预期输出
df1 %>%
group_by(ID) %>%
mutate(new_2 = lag(var1)) %>%
group_by(grp = rleid(condition), .add = TRUE) %>%
mutate(new_2 = coalesce(first(new_2), var1)) %>%
ungroup %>%
dplyr::select(-grp)
# A tibble: 6 x 4
# ID condition var1 new_2
# <dbl> <lgl> <chr> <chr>
#1 1 FALSE a a
#2 1 TRUE b a
#3 1 TRUE c a
#4 1 TRUE d a
#5 4 TRUE f f
#6 5 FALSE e e
df1%>%
分组依据(ID)%>%
突变(新_2=滞后(var1))%>%
分组依据(grp=rleid(条件),.add=TRUE)%>%
突变(新_2=结合(第一个(新_2),var1))%>%
解组%>%
dplyr::select(-grp)
#一个tibble:6x4
#ID条件var1 new_2
#
#1假a
#2 1真正的b a
#3 1真正的c a
#4 1真d a
#5 4真f
#6 5假e
我们可以使用lag
和ifelse
已矢量化。因此,可以使用ifelse
或case\u(当
时)。但是,当存在多个条件时,case\u当
将更具普遍性
library(dplyr)
out <- data %>%
mutate(new = case_when(carb < 4 ~ lag(test), TRUE ~ mpg))
对于第二个数据集,也许是这样
library(dplyr)
df1 %>%
mutate(new_2 = replace(var1, condition, lag(var1[condition])))
-输出
# ID condition var1 new_2
#1 1 FALSE a a
#2 1 TRUE b <NA>
#3 1 TRUE c b
#4 1 TRUE d c
#5 4 TRUE f d
#6 5 FALSE e e
更新
基于更新的预期输出
df1 %>%
group_by(ID) %>%
mutate(new_2 = lag(var1)) %>%
group_by(grp = rleid(condition), .add = TRUE) %>%
mutate(new_2 = coalesce(first(new_2), var1)) %>%
ungroup %>%
dplyr::select(-grp)
# A tibble: 6 x 4
# ID condition var1 new_2
# <dbl> <lgl> <chr> <chr>
#1 1 FALSE a a
#2 1 TRUE b a
#3 1 TRUE c a
#4 1 TRUE d a
#5 4 TRUE f f
#6 5 FALSE e e
df1%>%
分组依据(ID)%>%
突变(新_2=滞后(var1))%>%
分组依据(grp=rleid(条件),.add=TRUE)%>%
突变(新_2=结合(第一个(新_2),var1))%>%
解组%>%
dplyr::select(-grp)
#一个tibble:6x4
#ID条件var1 new_2
#
#1假a
#2 1真正的b a
#3 1真正的c a
#4 1真d a
#5 4真f
#6 5假e
我们可以将lag()函数添加到ifelse条件中:
data$test = ifelse(data$carb < 4, data$test <- lag(data$test), data$test <- data$mpg)
> data
mpg cyl disp hp drat wt qsec vs am gear carb test
Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4 21.0
Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4 21.0
Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1 21.0
Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1 21.0
Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2 22.8
Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1 21.4
Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4 14.3
Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2 14.3
Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2 14.3
Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4 19.2
Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4 17.8
Merc 450SE 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3 17.8
Merc 450SL 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3 17.8
Merc 450SLC 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3 16.4
Cadillac Fleetwood 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4 10.4
Lincoln Continental 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4 10.4
Chrysler Imperial 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4 14.7
Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1 14.7
Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2 14.7
Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1 32.4
Toyota Corona 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1 30.4
Dodge Challenger 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2 33.9
AMC Javelin 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2 21.5
Camaro Z28 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4 13.3
Pontiac Firebird 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2 13.3
Fiat X1-9 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1 13.3
Porsche 914-2 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2 19.2
Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2 27.3
Ford Pantera L 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4 15.8
Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6 19.7
Maserati Bora 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8 15.0
Volvo 142E 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2 15.0
>
data$test=ifelse(data$carb<4,data$test
我们可以将lag()函数添加到ifelse条件中:
data$test = ifelse(data$carb < 4, data$test <- lag(data$test), data$test <- data$mpg)
> data
mpg cyl disp hp drat wt qsec vs am gear carb test
Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4 21.0
Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4 21.0
Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1 21.0
Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1 21.0
Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2 22.8
Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1 21.4
Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4 14.3
Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2 14.3
Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2 14.3
Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4 19.2
Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4 17.8
Merc 450SE 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3 17.8
Merc 450SL 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3 17.8
Merc 450SLC 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3 16.4
Cadillac Fleetwood 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4 10.4
Lincoln Continental 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4 10.4
Chrysler Imperial 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4 14.7
Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1 14.7
Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2 14.7
Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1 32.4
Toyota Corona 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1 30.4
Dodge Challenger 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2 33.9
AMC Javelin 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2 21.5
Camaro Z28 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4 13.3
Pontiac Firebird 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2 13.3
Fiat X1-9 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1 13.3
Porsche 914-2 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2 19.2
Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2 27.3
Ford Pantera L 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4 15.8
Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6 19.7
Maserati Bora 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8 15.0
Volvo 142E 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2 15.0
>
data$test=ifelse(data$carb<4,data$test
您可以通过获取条件的位置(数据$carb<4
)在基数R中执行此操作,并通过将这些索引值减去-1来获取要替换的索引
data <- mtcars
data$test <- mtcars$mpg
inds <- which(data$carb < 4)
data$test[inds] <- data$test[inds - 1]
data您可以通过获取条件的位置(data$carb<4
)在基数R中执行此操作,并通过将这些索引值减去-1来获取要替换的索引
data <- mtcars
data$test <- mtcars$mpg
inds <- which(data$carb < 4)
data$test[inds] <- data$test[inds - 1]
database R中的一个选项是用if()…else
替换ifelse
。然而,使用base R的一个更快的解决方案是使用ifelse
和Reduce
的组合。这比OP的解决方案快3.46/.044~78倍。解决方案是:
v2base R中的一个选项是将ifelse
替换为if()…else
。然而,使用base R的一个更快的解决方案是使用ifelse
和Reduce
的组合。这比OP的解决方案快3.46/.044~78倍。解决方案是:
v2虽然它们给出了相同的输出,但是您选择使用[[而不是只在这里:[[i-1,'test']]的任何原因都可以显示您需要的预期结果吗df1%>%mutate(new_2=replace(var1,condition,lag(var1[condition])
知道您的expected输出有点困难。可能是df1%>%groupby(ID)%%>%mutate(new_2=case_when(condition~lag(var1),TRUE~'0'))
很抱歉造成混淆。让我试试你的建议。非常感谢。我真的很感激。虽然它们给出了相同的输出,但是你为什么选择使用[[而不是只在这里:[[I-1,'test']]”你能显示预期的结果吗df1%>%mutate(new_2=replace(var1,condition,lag(var1[condition]))
要知道您的expecetd输出有点困难。可能是df1%>%group\u by(ID)%%>%mutate(new_2=case\u when(condition~lag(var1),TRUE~'0'))
很抱歉造成混淆。让我试试你的建议。非常感谢。我真的很感激你的建议。嗨,谢谢你的建议。我在使用lag时遇到了一个错误,现在将其添加到我的问题中。你能帮我看一下吗?我的错,让我澄清上面所需的输出。但我真的很感谢你的帮助!嗨,谢谢。我运行了另一个测试规则是“如果ID与上面的ID相似且条件为TRUE,则获取上一个值;否则获取新值”df1您好,谢谢您的建议。我在使用lag时遇到了一个错误,现在将其添加到我的问题中。您能帮我看一下吗?我的错,让我澄清上面所需的输出。但我真的非常感谢您的帮助!您好,谢谢。我运行了另一个测试,但它不起作用。规则是如果ID与上面的ID相似且条件为TRUE,则获取上一个值;否则获取新值“df1嗨,谢谢你的建议。我在使用lag时遇到了一个错误,现在将其添加到我的问题中。你能帮我看一下吗?嗨,谢谢你的建议。我在使用lag时遇到了一个错误,现在将其添加到我的问题中。你能帮我看一下吗?如果mtcars$mpg[1],我不确定这是否有效。”<4
。如果mtcars$mpg[1]<4
,我不确定这是否有效。哇,这真的很有效。我费了好大劲才明白Reduce()但据我所知,它看起来很棒。谢谢你,我很高兴它能为你工作。?Reduce
可能会解释细节。哇,这真的很好。我费了好大劲才理解Reduce(),但我对它有点了解