r - data.table (R) 中的 Ifelse 行为

Question

我有一个充满一些消费品的 data.table。我为产品创建了一些区别 'low' , 'high' , 或 'unknown'质量。数据是时间序列，我有兴趣消除数据中的一些季节性。如果产品的原始分类(由我用来确定质量的算法生成的分类)是 'low' X 期质量，但其原始分类为 'high' X-1 期间的质量，我将该产品重新分类为 'high'期间 X 的质量。此过程是在某种产品组区别内完成的。

为了实现这一点，我有如下内容:

require(data.table)

# lag takes a column and lags it by one period,
# padding with NA

lag <- function(var) {
    lagged <- c(NA, 
                var[1:(length(var)-1)])
    return(lagged)
}

set.seed(120)

foo <- data.table(group = c('A', rep(c('B', 'C', 'D'), 5)),
                  period = c(1:16),
                  quality = c('unknown', sample(c('high', 'low', 'unknown'), 15, replace = TRUE)))

foo[, quality_lag := lag(quality), by = group]

foo[, quality_1 := ifelse(quality == 'low' & quality_lag == 'high',
                          'high',
                          quality)]

看看 foo :

    group period quality quality_lag quality_1
 1:     A      1 unknown          NA   unknown
 2:     B      2     low          NA        NA
 3:     C      3    high          NA      high
 4:     D      4     low          NA        NA
 5:     B      5 unknown         low   unknown
 6:     C      6    high        high      high
 7:     D      7     low         low       low
 8:     B      8 unknown     unknown   unknown
 9:     C      9    high        high      high
10:     D     10 unknown         low   unknown
11:     B     11 unknown     unknown   unknown
12:     C     12     low        high      high
13:     D     13 unknown     unknown   unknown
14:     B     14    high     unknown      high
15:     C     15    high         low      high
16:     D     16 unknown     unknown   unknown

所以， quality_1主要是我想要的。如果周期 X 是 'low'并且周期 X-1 是 'high' ，我们看到重分类为 'high'从 quality 开始，一切都保持原样.然而，当 quality_lag不适用， 'low'被重新分类为 NA在 quality_1 .这不是 'high' 的问题或 'unknown' .

即 foo的前四行应该是这样的:

   group period quality quality_lag quality_1
 1:     A      1 unknown          NA   unknown
 2:     B      2     low          NA       low
 3:     C      3    high          NA      high
 4:     D      4     low          NA       low

关于是什么原因造成的任何想法？

Answer 1

首先，Development version on GitHub已经有一个名为 shift 的有效滞后函数它既可以用作滞后也可以用作领先(并且还有一些附加功能，请参阅 ?shift )。

也看看 here因为 v >= 1.9.5 中现在存在许多其他新函数

所以在 v >= 1.9.5 下我们可以简单地做

foo[, quality_lag := shift(quality), by = group]

尽管即使在 v < 1.9.5 下，您也可以使用 .N而不是以下列方式创建此函数

foo[, quality_lag2 := c(NA, quality[-.N]), by = group]

关于你的第二个问题，我建议避免 ifelse出于多种原因一起指定 here

一种可能的替代方法是，仅使用简单的索引，如

foo[, quality_1 := quality][quality == 'low' & quality_lag == 'high', quality_1 := "high"]

这个解决方案有一点开销，调用 [.data.table两次，但它仍然比 ifelse 高效/安全得多。解决方案。