r - 计算比当前数字低常数的数字

Question

想象一下，我有一个数字列表(即data.table/data.frame中的数字列)。

1
5
5
10
11
12

对于列表中的每个数字，要计算有多少个唯一数字，它们的 比该特定数字+5小。

大写的解释是，第一个数字= 1，搜索范围是1 + 5 = 6，因此三个数字在范围内，小于或等于: c(1,5,5)，然后唯一计数为2。
所有这些都假设我们还有其他条件，即该数字不仅必须小于current_number + 5，而且其在列表中的索引必须> = current_number的索引。

在这种情况下，结果将是:

2
2
2
3
2
1

注意:是否有针对data.frame或data.table中的大型数据集的快速解决方案？我的数据集非常大，有10 + M行。

Answer 1

我能想到的最快速的方法是在基数R中(如果对x进行了排序，则可以使用):

findInterval(x + 5, unique(x)) - cumsum(!duplicated(x)) + 1L
#[1] 2 2 2 3 2 1

编辑:排序没有问题，因为使用 data.table，对整数进行排序很简单:

nr <- 1e7
nn <- nr/2
set.seed(0L)
DT <- data.table(X=sample(nn, nr, TRUE))
#DT <- data.table(X=c(1,5,5,10,11,12))

system.time(
    DT[order(X), 
        COUNT := findInterval(X + 5L, unique(X)) - cumsum(!duplicated(X)) + 1L
    ]
)
#   user  system elapsed 
#   1.73    0.17    1.53 

1000万行时为2秒。