根据前面的值按组替换值序列

Question

我有这种形式的数据表(2000000+行，1000 +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

我想在每个ID组中替换字符“b”之前的字符“a”的整个序列，并希望将其替换为“b”。因此，条件是 如果“a”或序列“a”出现在“b” 之前， 替换所有“a”的。 (实际上，在我的实际表中，是在“b”前面带有“a”，“x”或“y”的情况下，应该替换前面的字符，但我应该能够概括一下)

在上面的示例中，应替换第3行中的“a”值(易于处理data.table中的(移位))以及第12-14行中的所有“a”(不确定如何做)。因此，所需的输出是这样的:

> 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

我想到的是从上一个索引开始循环，但是如果我有多个分组(例如，ID和DATE)，我不确定如何处理，无论如何，这似乎不是最快的dt解决方案。

Answer 1

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