R data.table 按组从第 i 个元素到每个剩余元素的距离

Question

假设我有以下数据:

d = data.table( id = 1, x = c(1, 10, 17, 35, 37, 45) )

我想看看 x by group id 中的每个第 i 个元素是否都有比它大 30 到 40 之间的元素。因此，对于按组 id (1) 划分的 x 中的第一个元素，我希望查看 x 中 1 之后的任何值是否介于值 31 和 41 之间。答案是肯定的，因此我想创建一个列 valid_gap对于第一个元素为 TRUE。最后，我希望得到:

d_final = data.table( id = 1, x = c(1, 10, 17, 35, 37, 45), valid_gap = c(T, T, F, F, F, F ) )

我和一位同事考虑过这个问题一段时间，我们真的很想避免在这里使用循环，但无法弄清楚。这可能没有循环吗？

我最好的尝试是这样的:

d[, valid_gap := any(between( rdist(x[ .N - .I ])[,1], left = 30, right = 40 )), by = id]

但我正在考虑这个问题，因为它试图像在循环中一样对 x 进行索引，我怀疑这是错误的想法。

编辑 - “坏”解决方案:

x = c(1, 10, 17, 35, 37, 45)
valid_gap = c()

for( i in 1:length(x) ) {
  if( i == length(x) ){
    valid_gap = c(valid_gap, F)
  } else {
    valid_gap = c(valid_gap, any(between( rdist( x[ x >= x[i] ] )[,1], left = 30, right = 40 )) )
  }
}
valid_gap

先感谢您!

Answer 1

我想非等连接应该比循环快:

d[, v := 
  d[.(id = id, x0 = x + 30, x1 = x + 40), on=.(id, x >= x0, x <= x1), 
    .N
  , by=.EACHI][, N > 0L]
]

   id  x     v
1:  1  1  TRUE
2:  1 10  TRUE
3:  1 17 FALSE
4:  1 35 FALSE
5:  1 37 FALSE
6:  1 45 FALSE

对于每一行，我们...

找到感兴趣区间内的所有匹配项；

计算它们(使用 .N )；然后

检查计数是否超过 0。

使用 mult="first" 第一步可能会稍微快一点.