R 对数据帧中的组重复应用条件摘要

我有一个大数据框，看起来像这样：

group_id    distance    metric
       1         1.1      0.85
       1         1.1      0.37
       1         1.7      0.93   
       1         2.3      0.45 
       ...
       1         6.3      0.29
       1         7.9      0.12
       2         2.5      0.78
       2         2.8      0.32
       ...

数据帧已按

组id

和

距离进行排序。我想知道dplyr或data.table的效率相当于执行以下操作：

在每个
组中\u id
：

将当前
组id
中
距离的唯一和排序值设置为
d1、d2、…、d_n

对于
d1，d2，…，d_n
中的每个
d
：对
距离
值小于
d
的所有
度量值计算一些函数
f
。函数
f
是一个自定义的用户定义函数，它接受向量并返回标量。假设函数
f
在空向量上定义良好

因此，在上面的示例中，所需的数据帧如下所示：

group_id    distance_less_than    metric
       1                   1.1      f(empty vector)
       1                   1.7      f(0.85, 0.37)
       1                   2.3      f(0.85, 0.37, 0.93) 
       ...
       1                   7.9      f(0.85, 0.37, 0.93, 0.45,...,0.29)
       2                   2.5      f(empty vector)
       2                   2.8      f(0.78)
       ...

请注意如何重复
距离
值，如组
1
下的值
1.1
。在这种情况下，当距离小于
1.1
时，应排除这两行（在这种情况下，这将导致空向量）
 一种可能的方法是使用
data.table
中提供的非等联接。左表是组id和距离的唯一组合集，右表的距离都小于左表的距离

f <- sum
DT[unique(DT, by=c("group_id", "distance")), on=.(group_id, distance<distance), allow.cartesian=TRUE,
    f(metric), by=.EACHI]

数据：

库（data.table）
DT不要认为这会比
data.table
选项快，但这里有一种方法使用
dplyr

library(dplyr)

df %>%
  group_by(group_id) %>%
  mutate(new = purrr::map_dbl(distance, ~f(metric[distance < .])))

library(data.table)
DT <- fread("group_id    distance    metric
1         1.1      0.85
1         1.1      0.37
1         1.7      0.93   
1         2.3      0.45 
1         6.3      0.29
1         7.9      0.12
2         2.5      0.78
2         2.8      0.32")

library(dplyr)

df %>%
  group_by(group_id) %>%
  mutate(new = purrr::map_dbl(distance, ~f(metric[distance < .])))

df %>%
  group_by(group_id) %>%
  mutate(new = purrr::map_dbl(distance, ~f(metric[distance < .]))) %>%
  filter(!duplicated(distance))