根据前面的值按组替换值序列 [英] Replace a sequence of values by group depending on preceeding values

问题描述

我有一个此表单的数据表(2000000+行，1,000+组)：

set.seed(1)    
dt <- data.table(id = rep(1:3, each = 5), values = sample(c("a", "b","c"), 15, TRUE))

> dt
    id values
 1:  1      a
 2:  1      c
 3:  1      a
 4:  1      b
 5:  1      a
 6:  2      c
 7:  2      c
 8:  2      b
 9:  2      b
10:  2      c
11:  3      c
12:  3      a
13:  3      a
14:  3      a
15:  3      b

在每个ID组中，我希望替换字符"b"之前的整个字符"a"序列，并希望将它们替换为"b"。因此，条件是如果"a"或一系列的"a"出现在"b"之前，替换所有的"a"。(实际上，在我的实际表格中，当"b"前面是"a"、"x"或"y"时，应该替换前面的字符，但我应该能够泛化)

在上面的示例中，应该替换第3行中的"a"值(很容易使用data.table中的(Shift))，以及第12-14行中的所有"a"(不确定该怎么做)。因此，期望的输出如下所示：

> dt
    id values
 1:  1      a
 2:  1      c
 3:  1      b
 4:  1      b
 5:  1      a
 6:  2      c
 7:  2      c
 8:  2      b
 9:  2      b
10:  2      c
11:  3      c
12:  3      b
13:  3      b
14:  3      b
15:  3      b

我脑海中浮现的是从最后一个索引开始循环，但是如果我有多个分组(比如ID和DATE)，我不太确定该怎么做，而且无论如何，这似乎不是最快的DT解决方案。

推荐答案

您可以使用rle()。

注意：为避免歧义，我将"values"列重命名为"var"，因为rle()函数还会生成一个包含名为"values"的向量的列表。

dt[, new := with(rle(var), rep(ifelse(values == "a" & c(values[-1], "") == "b", "b", values), lengths)), by = id]
dt

#     id var new
#  1:  1   a   a
#  2:  1   c   c
#  3:  1   a   b
#  4:  1   b   b
#  5:  1   a   a
#  6:  2   c   c
#  7:  2   c   c
#  8:  2   b   b
#  9:  2   b   b
# 10:  2   c   c
# 11:  3   c   c
# 12:  3   a   b
# 13:  3   a   b
# 14:  3   a   b
# 15:  3   b   b

这篇关于根据前面的值按组替换值序列的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！