- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我有一个包含大约 100 万条记录和 80 列的大型数据集。为了加快处理速度,我使用了 data.table。我需要根据条件创建一个新列,但我不知道如何在 data.table 中执行此操作
下面是示例数据的代码:
set.seed(1200)
N_Blocks = 1348
cyc=200
City1 <- vector()
City2 <- vector()
a1 <- vector()
a2 <- vector()
for (a in 1:cyc) {
City1 <- sample(paste("City", formatC(a, width=nchar(cyc), flag="0"), sep=""),N_Blocks,rep=T)
a1 <- sample(0:1,N_Blocks,rep = T)
City2 <- append(City2,City1)
a2 <- append(a2,a1)
}
df1 <- data.frame(City2,a2)
现在的要求是,对于每个城市(目前我们在这个示例数据中有 200 个城市)和 a2 == 1,我需要创建一个新列,将 1 的总数除以 12 个月。因此,例如 City001 & a2 == 1,种子为 1200,我得到 671 条记录。因此,新列Months 需要包含代码01-12。因此,a2 == 1 的前 56 条记录的代码为 01,接下来的 56 条记录的代码为 02,依此类推......而 City001 的最后 55 条 a2 == 1 的记录的代码为 12(因此总计增加到 671)。比如在 12 个月内为每个城市拆分 a2 的选择。
我们可以从命令中获取城市级别的选择摘要-
table(df1$City2,df1$a2)
我们可以使用 data.table 实现吗?
最佳答案
使用:
library(data.table)
setDT(df1)[a2 == 1, mon := cut(seq_along(a2), 12, sprintf('%02d',1:12)), by = City2][]
给出:
City2 a2 mon
1: City001 1 01
2: City001 1 01
3: City001 1 01
4: City001 1 01
5: City001 0 NA
---
269596: City200 1 12
269597: City200 0 NA
269598: City200 1 12
269599: City200 1 12
269600: City200 1 12
这是做什么的:
setDT(df1)
data.frame 被转换为 data.table(仍然是 data.frame)。a2 == 1
过滤并与 by = City2
分组.mon
通过引用为选定的行创建 cut
.City2
的每一组-列,cut
将一个序列( seq_along(a2)
;这从 1
开始并以组大小结束,即第一组的 671
)分成 12 个(几乎)相等的部分。每个部分都有一个相应的标签 ( sprintf('%02d',1:12)
)。参见 ?cut
了解更多详情。上述方法的缺点是记录数最少的中断不在最后。总结结果可以看出:
> df1[a2 == 1, .N, by = .(City2,mon)][1:24]
City2 mon N
1: City001 01 56
2: City001 02 56
3: City001 03 56
4: City001 04 56
5: City001 05 56
6: City001 06 56
7: City001 07 55
8: City001 08 56
9: City001 09 56
10: City001 10 56
11: City001 11 56
12: City001 12 56
13: City002 01 56
14: City002 02 55
15: City002 03 56
16: City002 04 55
17: City002 05 56
18: City002 06 55
19: City002 07 55
20: City002 08 56
21: City002 09 55
22: City002 10 56
23: City002 11 55
24: City002 12 56
要在末尾获得较少记录数的中断,您可以使用:
setDT(df1)[a2 == 1, mon := cut(seq_along(a2),
{n <- .N/12;
br <- c(0, rep(ceiling(n), round((n-floor(n))*12)), rep(floor(n), round((floor(n) - n + 1)*12)));
unique(c(cumsum(br),.N))},
sprintf('%02d',1:12)),
by = City2][]
第一个解决方案中的中断数 (12
) 被一个断点向量所取代,该向量是为每组 City2
计算的分别在大括号( {n <- .N/12 .... unique(c(cumsum(br),.N))}
)之间的部分。这部分以这样一种方式计算中断,即观察次数不会随机分布在月份中,而是观察次数较少的月份将始终排在最后。
除了上面的解释外,大括号之间的部分还做了以下事情:
.N
) 除以 12
.这通常不是整数,而是小数点后有值的数字。rep(ceiling(n), round((n-floor(n))*12))
计算第一组 ( ceiling(n)
) 的较大观测值并重复一定次数,该次数由 n
的小数值确定与 round((n-floor(n))*12)
.rep(floor(n), round((floor(n) - n + 1)*12))
决定是类似的方式。 floor(n)
确定组的大小,而 round((floor(n) - n + 1)*12)
确定较小的组规模所需的组数。c(0, rep ... )
) 放在一起。0
开头的向量最后添加了 groupsize ( .N
)。通过将其包装在 unique
中您确保获得独特的中断值。这是必需的,因为当 n
是一个完全四舍五入的数字(例如 600/12 的结果),最后一个中断值在向量中出现两次。同样的检查现在表明这已经实现:
> df1[a2 == 1, .N, by = .(City2,mon)][1:24]
City2 mon N
1: City001 01 56
2: City001 02 56
3: City001 03 56
4: City001 04 56
5: City001 05 56
6: City001 06 56
7: City001 07 56
8: City001 08 56
9: City001 09 56
10: City001 10 56
11: City001 11 56
12: City001 12 55
13: City002 01 56
14: City002 02 56
15: City002 03 56
16: City002 04 56
17: City002 05 56
18: City002 06 56
19: City002 07 55
20: City002 08 55
21: City002 09 55
22: City002 10 55
23: City002 11 55
24: City002 12 55
关于r - 在 data.table 中有条件地创建具有增量的列,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/45065274/
这是代码片段。 请说出这种用小内存存储大数据的算法是什么。 public static void main(String[] args) { long longValue = 21474836
所以我使用 imap 从 gmail 和 outlook 接收电子邮件。 Gmail 像这样编码 =?UTF-8?B?UmU6IM69zq3OvyDOtc68zrHOuc67IG5ldyBlbWFpb
很久以前就学会了 C 代码;想用 Scheme 尝试一些新的和不同的东西。我正在尝试制作一个接受两个参数并返回两者中较大者的过程,例如 (define (larger x y) (if (> x
Azure 恢复服务保管库有两个备份配置选项 - LRS 与 GRS 这是一个有关 Azure 恢复服务保管库的问题。 当其驻留区域发生故障时,如何处理启用异地冗余的恢复服务保管库?如果未为恢复服务启
说,我有以下实体: @Entity public class A { @Id @GeneratedValue private Long id; @Embedded private
我有下一个问题。 我有下一个标准: criteria.add(Restrictions.in("entity.otherEntity", getOtherEntitiesList())); 如果我的
如果这是任何类型的重复,我会提前申请,但我找不到任何可以解决我的具体问题的内容。 这是我的程序: import java.util.Random; public class CarnivalGame{
我目前正在使用golang创建一个聚合管道,在其中使用“$ or”运算符查询文档。 结果是一堆需要分组的未分组文档,这样我就可以进入下一阶段,找到两个数据集之间的交集。 然后将其用于在单独的集合中进行
是否可以在正则表达式中创建 OR 条件。 我正在尝试查找包含此类模式的文件名列表的匹配项 第一个案例 xxxxx-hello.file 或者案例二 xxxx-hello-unasigned.file
该程序只是在用户输入行数时创建菱形的形状,因此它有 6 个 for 循环; 3 个循环创建第一个三角形,3 个循环创建另一个三角形,通过这 2 个三角形和 6 个循环,我们得到了一个菱形,这是整个程序
我有一个像这样的查询字符串 www.google.com?Department=Education & Finance&Department=Health 我有这些 li 标签,它们的查询字符串是这样
我有一个带有静态构造函数的类,我用它来读取 app.config 值。如何使用不同的配置值对类进行单元测试。我正在考虑在不同的应用程序域中运行每个测试,这样我就可以为每个测试执行静态构造函数 - 但我
我正在寻找一个可以容纳多个键的容器,如果我为其中一个键值输入保留值(例如 0),它会被视为“或”搜索。 map, int > myContainer; myContainer.insert(make_
我正在为 Web 应用程序创建数据库,并正在寻找一些建议来对可能具有多种类型的单个实体进行建模,每种类型具有不同的属性。 作为示例,假设我想为“数据源”对象创建一个关系模型。所有数据源都会有一些共享属
(1) =>CREATE TABLE T1(id BIGSERIAL PRIMARY KEY, name TEXT); CREATE TABLE (2) =>INSERT INTO T1 (name)
我不确定在使用别名时如何解决不明确的列引用。 假设有两个表,a 和 b,它们都有一个 name 列。如果我加入这两个表并为结果添加别名,我不知道如何为这两个表引用 name 列。我已经尝试了一些变体,
我的查询是: select * from table where id IN (1,5,4,3,2) 我想要的与这个顺序完全相同,不是从1...5,而是从1,5,4,3,2。我怎样才能做到这一点? 最
我正在使用 C# 代码执行动态生成的 MySQL 查询。抛出异常: CREATE TABLE dump ("@employee_OID" VARCHAR(50)); "{"You have an er
我有日期 2016-03-30T23:59:59.000000+0000。我可以知道它的格式是什么吗?因为如果我使用 yyyy-MM-dd'T'HH:mm:ss.SSS,它会抛出异常 最佳答案 Sim
我有一个示例模式,它的 SQL Fiddle 如下: http://sqlfiddle.com/#!2/6816b/2 这个 fiddle 只是根据 where 子句中的条件查询示例数据库,如下所示:
我是一名优秀的程序员,十分优秀!