r - 按组计算的累计最小值和最大值

Question

我正在尝试计算 R 中数据框的最小范围。数据框如下所示:

+-----+--------------+-----------+------+------+
| Key | DaysToEvent  | PriceEUR  | Pmin | Pmax |
+-----+--------------+-----------+------+------+
| AAA | 120          |        50 |   50 |   50 |
| AAA | 110          |        40 |   40 |   50 |
| AAA | 100          |        60 |   40 |   60 |
| BBB | ...          |           |      |      |
+-----+--------------+-----------+------+------+

因此，最低价格范围 (Pmin) 保持该键的最低价格，直至该时间点 (DaysToEvent)。

这是我的实现:

for (i in 1:nrow(data)){
  currentRecord <- data[i,]

  if(currentRecord$Key != currentKey) {
    # New key detected - reset pmin and pmax
    pmin <- 100000
    pmax <- 0
    currentKey <- currentRecord$Key
  }

  if(currentRecord$PriceEUR < pmin) {
    pmin <- currentRecord$PriceEUR
  }
  if(currentRecord$PriceEUR > pmax) {
    pmax <- currentRecord$PriceEUR
  }

  currentRecord$Pmin <- pmin
  currentRecord$Pmax <- pmax

  # This line seems to be killing my performance
  # but otherwise the data variable is not updated in
  # global space
  data[i,] <- currentRecord
}

这行得通 - 但真的很慢，每秒只有几个。它之所以有效，是因为我已经像这样对数据框进行了排序 data = data[order(data$Key, -data$DaysToEvent), ]。这样做的原因是因为我希望得到 nlog(n) 的 Big-O 用于排序和 n for 循环。所以我以为我会飞快地浏览这些数据，但我根本不是 - 需要几个小时。

我怎样才能让它更快？

以前的方法来 self 的同事 - 这里是伪造的:

for (i in 1:nrow(data)) {
    ...
    currentRecord$Pmin <- data[subset on the key[find the min value of the price 
                      where DaysToEvent > currentRecord$DaysToEvent]]
    ...
}

也有效——但我认为这个函数的顺序要高得多。 n^2log(n) 如果我是正确的并且需要几天时间。所以我想我会在那段重要的时间里有所进步。

所以我有 tried to get my head around在各种*apply、by 函数上，当然这是您真正想要使用的。

但是 - 如果我使用 by() 然后在键上拆分。让我很接近。但是，我无法解决如何获得最小/最大范围的问题。我试图在功能范式中思考，但我被困住了。感谢您的帮助。

Answer 1

[原始答案:dplyr]

您可以使用dplyr 包解决这个问题:

library(dplyr)
d %>% 
  group_by(Key) %>% 
  mutate(Pmin=cummin(PriceEUR),Pmax=cummax(PriceEUR))

#   Key DaysToEvent PriceEUR Pmin Pmax
# 1 AAA         120       50   50   50
# 2 AAA         110       40   40   50
# 3 AAA         100       60   40   60
# 4 BBB         100       50   50   50

d 应该是你的数据集:

d <- data.frame(Key=c('AAA','AAA','AAA','BBB'),DaysToEvent = c(120,110,100,100),PriceEUR = c(50,40,60,50), Pmin = c(50,40,40,30), Pmax = c(50,50,60,70))

[更新:data.table]

另一种方法是使用data.table，它具有相当惊人的性能:

library(data.table)
DT <- setDT(d)
DT[,c("Pmin","Pmax") := list(cummin(PriceEUR),cummax(PriceEUR)),by=Key]

DT
#    Key DaysToEvent PriceEUR Pmin Pmax
# 1: AAA         120       50   50   50
# 2: AAA         110       40   40   50
# 3: AAA         100       60   40   60
# 4: BBB         100       50   50   50

[更新 2:基础 R]

如果您出于某种原因只想使用 base R，这是另一种方法:

d$Pmin <- unlist(lapply(split(d$PriceEUR,d$Key),cummin))
d$Pmax <- unlist(lapply(split(d$PriceEUR,d$Key),cummax))