R数据表优化。透支财务数据

给出以下数据表和财务数据（3500万行）：

DT:

本案：

a、 -按用户ID列出的最大连续透支天数的总数

userId  maxConsecutiveOverdraftDays   
600     2
700     3
800     0
900     1
1000    5

在本例中，我执行了以下操作：

acum = FALSE

for (i in 1:nrow(DT)) {

    if (DT[i]$overdraft == 1 ) {
      if (acum == TRUE) 
  {

        DT[i]$acumBalance <- DT[i]$balance + DT[i-1]$balance 
        DT[i]$totalConsecutiveOverdraftDays   <- DT[i]$overdraft + DT[i-1]$overdraft
  }

      if (DT[i]$userId == DT[i+1]$userId 
      && DT[i+1]$overdraft == 1 ) 
  {

        acum = TRUE
  }  
    else { acum = FALSE }
}
}

DT[,maxConsecutiveOverdraftDays:=max(totalConsecutiveOverdraftDays),by=userId]

acum=FALSE
对于（1中的i:nrow（DT））{
如果（DT[i]$透支==1）{
如果（acum==真）
{
DT[i]$acumBalance无法说明这是否有助于解决您的性能问题，但
rle
在这里有助于编写漂亮的短代码。由于透支值始终为零或一，我们可以取长度和值乘积的最大值：

> aggregate(overdraft~userId, df, FUN=function(x) {
+   r <- rle(x)
+   max(r$lengths * r$values)
+ })
  userId overdraft
1    600         2
2    700         3

聚合（透支~userId，df，FUN=function（x）{
+r更新：现在在中实现。从：
7） 
rleid（）
，一个方便的函数，用于生成用于分组操作的运行长度类型id列。关闭。有关使用场景，请检查
？rleid
示例部分

使用此功能，我们可以执行以下操作：

require(data.table) ## 1.9.5+
dt[, .(overdraft = overdraft[1L], .N), by=.(userId, 
      rleid(overdraft))][overdraft == 1L, max(N), by=userId]


实现这样一个函数有一个开放的方法。但这必须与快速排名函数一起实现。我们还没有实现它

在此之前，您可以这样做：

dt[, .(overdraft = overdraft[1L], .N), by=.(userId, 
    cumsum(c(TRUE, diff(overdraft) != 0L)))][overdraft == 1L, max(N), by=userId]
#    userId V1
# 1:    600  2
# 2:    700  3

编辑：更正了@Dirk指出的逻辑。谢谢！
这一行应该可以做到：

overdraft[, daysoverdraft:=seq(.N)-1, by=cumsum(overdraft == 0)]

让我们用一组简单的数据进行测试：

overdraft = data.table(userId=rep(1:10^3, each=350),
                       date=rep(1:350, 10^3),
                       balance=round(rnorm(35*10^3)*100),
                       overdraft=0)
overdraft[balance < 0, overdraft:=1]

overdraft=data.table（userId=rep（1:10^3，每个=350），
日期=代表（1:350，10^3），
平衡=圆形（规则（35*10^3）*100），
透支=0）
透支[余额<0，透支：=1]

它有350k行，运行速度可以接受（在我的笔记本电脑上大约1.2秒），但是，甚至没有接近Arun的回答速度，至少快20倍。
data.table
adaption:
DT[，rle（透支），by=userId][，max（长度*值），by=userId]
proc.time（）-计时器用户系统运行时间为6.90 0.28 7.1812小时到7秒？Whoa.proc.time（）-计时器用户系统运行时间为6.90 0.28 7.18
overdraft = data.table(userId=rep(1:10^3, each=350),
                       date=rep(1:350, 10^3),
                       balance=round(rnorm(35*10^3)*100),
                       overdraft=0)
overdraft[balance < 0, overdraft:=1]