r - na.locf with seq in large column in R

Question

我目前正在处理一个大型 data.table，该表具有基于 2 个引用列的某些组，然后有一个距离列，该列为每个组中的第一行定义，然后每次跳转 2 个单位。

做一个非常小的可重现的例子，我有:

reference1 <- c("ref1", "ref1", "ref1", "ref2", "ref2", "ref2", "ref2", "ref3", "ref3", "ref3")
reference2 <- c("fer1", "fer1", "fer1", "fer1", "fer1", "fer1", "fer1", "fer2", "fer2", "fer2")
firstdist <- c(2, NA, NA, 5, NA, NA, NA, 8, NA, NA)
 df <- data.frame(ref1 = reference1,
                  ref2 = reference2,
                  dist = firstdist)

相当于

   ref1 ref2 dist
1  ref1 fer1    2
2  ref1 fer1   NA
3  ref1 fer1   NA
4  ref2 fer1    5
5  ref2 fer1   NA
6  ref2 fer1   NA
7  ref2 fer1   NA
8  ref3 fer2    8
9  ref3 fer2   NA
10 ref3 fer2   NA

我想填写最后一次观察的列并将其向前推进 +2，因此我假设我想为此使用 zoo 包中的 na.locf。四处搜索，我还没有找到任何方法可以在添加常量整数的同时继续进行。

我想要的输出示例:

   ref1 ref2 dist
1  ref1 fer1    2
2  ref1 fer1    4
3  ref1 fer1    6
4  ref2 fer1    5
5  ref2 fer1    7
6  ref2 fer1    9
7  ref2 fer1   11
8  ref3 fer2    8
9  ref3 fer2   10
10 ref3 fer2   12

例如用类似的东西

df$dist <- na.locf(df$dist, by = 2)

不能 100% 确定 na.locf 是最好的方法，因此也欢迎使用 data.table 解决方案，但由于我的表有数百万行，效率也相当重要

谢谢，

Answer 1

我会尝试以下方法:

library(data.table)
setDT(df)

df[, dist := seq(first(dist), by = 2, length.out = .N), by = .(ref1, ref2)]

# > df
#     ref1 ref2 dist
#  1: ref1 fer1    2
#  2: ref1 fer1    4
#  3: ref1 fer1    6
#  4: ref2 fer1    5
#  5: ref2 fer1    7
#  6: ref2 fer1    9
#  7: ref2 fer1   11
#  8: ref3 fer2    8
#  9: ref3 fer2   10
# 10: ref3 fer2   12

此处，.N 是每组中的行数(按 ref1 和 ref2 分组)。