r - 基于 data.table 的动态子组的计算

Question

我的问题与Subset by group with data.table有关但不同。

想象一个这样的数据集:

tmp <- data.table(x = 1:10, y = c(27, 70, 54, 18, 50, 44, 22, 73, 6, 5))

对于每一行数据，我想计算一个新值z，即 min(y)对于所有具有较大 x 值的行。例如，对于 x 为 3 的数据的第三行，我想要 min(y)在 x > 3 的行中(这将是值 5)。出于我们的意图和目的，您可以假设数据已按 x 排序。

起初我想到使用这样的函数:

min.y <- function(val, dt) {
  dt[x > val, min(y)]
}

但是打电话 tmp[, z:= fun(x, tmp)]将导致警告消息:

In min(y) : no non-missing arguments to min; returning Inf

这样做的正确方法是什么？

PS:显然，对于最后一行，我希望得到 NA 作为结果

Answer 1

方法一:

既然你说我们可以假设数据是按 x 排序的您可以使用从 y 结束开始的累积最小值.我们删除了第一个观察结果，以便我们做 >搜索而不是 >= :

tmp$min_y <- c(rev(cummin(rev(tmp$y[-1]))), NA)

更新:旧方法有效地做了一个 >=搜索而不是 > .更新做 > .

方法二:数据表

如果您想使用 data.table您可以尝试按每一行分组，然后在 J 内设置子集.需要 ifelse 以便当我们处于最后一行时，我们不会取任何值的最小值:

tmp[, "min_y" := {curr_x <- x
                  tmp_subs <- tmp[x > curr_x]
                  ifelse(nrow(tmp_subs)>0, min(tmp[x > curr_x][["y"]]), NA_real_)},
    by = 1:nrow(tmp)]

tmp
#     x  y min_y
# 1:  1 27     5
# 2:  2 70     5
# 3:  3 54     5
# 4:  4 18     5
# 5:  5 50     5
# 6:  6 44     5
# 7:  7 22     5
# 8:  8 73     5
# 9:  9  6     5
#10: 10  5     NA

自 5是最小值，最后一切都将是 5 .让我们让这更有趣一点:

tmp <- data.table(x = 1:10, y = c(27, 70, 54, 18, 50, 44, 22, 73, 47, 58))

我们的结果将是:

#     x  y min_y
# 1:  1 27    18
# 2:  2 70    18
# 3:  3 54    18
# 4:  4 18    22
# 5:  5 50    22
# 6:  6 44    22
# 7:  7 22    47
# 8:  8 73    47
# 9:  9 47    58
#10: 10 58    NA