r - 使用 data.table R 在滚动基础(重置和恢复)中提取累积唯一值

Question

给定一个 data.table，我想提取累积的唯一元素，直到它达到三个唯一值，然后重置和恢复:

y <- data.table(a=c(1, 2, 2, 3, 3, 4, 3, 2, 2, 5, 6, 7, 9, 8))

所需的输出 unique_acc_roll_3 是:

a   unique_acc_roll_3
1                   1
2                 1 2
2                 1 2
3               1 2 3
3               1 2 3  
4                   4  #4 is the forth element, so it resets and start again
3                 3 4
2               2 3 4
2               2 3 4
5                   5  #5 is the forth element, so it resets and start again 
6                 5 6
7               5 6 7
9                   9  #9 is the forth element, so it resets and start again
8                 8 9

因为它递归地引用，我真的被卡住了......真实数据很大，所以 data.table 解决方案会很棒。

Answer 1

我想不出任何方法来避免 for本质上是循环，除了将它隐藏在 Reduce 后面称呼。我的逻辑是保持union - 在每一行输入每个新值，直到集合增长到 length == n ，此时新值用作循环下一次迭代的起点。

unionlim <- function(x, y, n=4) {
  u <- union(x,y)
  if(length(u) == n) y else u
}

y[, out := sapply(Reduce(unionlim, a, accumulate=TRUE), paste, collapse=" ")]

#    a   out
# 1: 1     1
# 2: 2   1 2
# 3: 2   1 2
# 4: 3 1 2 3
# 5: 3 1 2 3
# 6: 4     4
# 7: 3   4 3
# 8: 2 4 3 2
# 9: 2 4 3 2
#10: 5     5
#11: 6   5 6
#12: 7 5 6 7
#13: 9     9
#14: 8   9 8

这远不是这个星球上最快的代码，但快速测试表明它在我体面的机器上大约 15 秒内会处理大约 100 万个案例。

bigy <- y[rep(1:nrow(y), 75e3)]
system.time({
  bigy[, out := sapply(Reduce(unionlim, a, accumulate=TRUE), paste, collapse=" ")]
})
#   user  system elapsed 
#  14.27    0.09   15.06