如果发生某些情况，R 在 data.table 中填充前导值和滞后值

Question

我有一个 data.table 如下 -

NA20 <- rep(NA, 20)
dt <-  data.table(
  group = c(rep("A", 20), rep("B", 20), "C", "D", rep("E", 20)), 
  val = c(replace(NA20, 11, 2), replace(NA20, 6, 2), 2, NA, replace(NA20, c(5, 15), 2)))

> dt
    group val
 1:     A  NA
 2:     A  NA
 3:     A  NA
 4:     A  NA
 5:     A  NA
 6:     A  NA
 7:     A  NA
 8:     A  NA
 9:     A  NA
10:     A  NA
11:     A   2
12:     A  NA
13:     A  NA
14:     A  NA
15:     A  NA
16:     A  NA
17:     A  NA
18:     A  NA
19:     A  NA
20:     A  NA
21:     B  NA
22:     B  NA
23:     B  NA
24:     B  NA
25:     B  NA
26:     B   2
27:     B  NA
28:     B  NA
29:     B  NA
30:     B  NA
31:     B  NA
32:     B  NA
33:     B  NA
34:     B  NA
35:     B  NA
36:     B  NA
37:     B  NA
38:     B  NA
39:     B  NA
40:     B  NA
41:     C   2
42:     D  NA
43:     E  NA
44:     E  NA
45:     E  NA
46:     E  NA
47:     E   2
48:     E  NA
49:     E  NA
50:     E  NA
51:     E  NA
52:     E  NA
53:     E  NA
54:     E  NA
55:     E  NA
56:     E  NA
57:     E   2
58:     E  NA
59:     E  NA
60:     E  NA
61:     E  NA
62:     E  NA

在val列中，如果值为2，我想用-1填充前7个值，用1填充后7个值。这个操作应该由组来完成。

输出如下所示 -

    group val new
 1:     A  NA  NA
 2:     A  NA  NA
 3:     A  NA  NA
 4:     A  NA  -1
 5:     A  NA  -1
 6:     A  NA  -1
 7:     A  NA  -1
 8:     A  NA  -1
 9:     A  NA  -1
10:     A  NA  -1
11:     A   2   2
12:     A  NA   1
13:     A  NA   1
14:     A  NA   1
15:     A  NA   1
16:     A  NA   1
17:     A  NA   1
18:     A  NA   1
19:     A  NA  NA
20:     A  NA  NA
21:     B  NA  -1
22:     B  NA  -1
23:     B  NA  -1
24:     B  NA  -1
25:     B  NA  -1
26:     B   2   2
27:     B  NA   1
28:     B  NA   1
29:     B  NA   1
30:     B  NA   1
31:     B  NA   1
32:     B  NA   1
33:     B  NA   1
34:     B  NA  NA
35:     B  NA  NA
36:     B  NA  NA
37:     B  NA  NA
38:     B  NA  NA
39:     B  NA  NA
40:     B  NA  NA
41:     C   2   2
42:     D  NA  NA
43:     E  NA  -1
44:     E  NA  -1
45:     E  NA  -1
46:     E  NA  -1
47:     E   2   2
48:     E  NA   1
49:     E  NA   1
50:     E  NA  -1
51:     E  NA  -1
52:     E  NA  -1
53:     E  NA  -1
54:     E  NA  -1
55:     E  NA  -1
56:     E  NA  -1
57:     E   2   2
58:     E  NA   1
59:     E  NA   1
60:     E  NA   1
61:     E  NA   1
62:     E  NA   1

我遇到了一些极端情况，因此下面的一些解决方案停止了工作。如果可以更新解决方案以涵盖这些场景，我将不胜感激。我已经更新了上面的数据。下面列出了场景。

只有 Uwe 和 pseudospin 的解决方案是 100% 正确的并且涵盖了以下所有极端情况 -

1. 一组中的所有值都是 NA
2. 一组中只有一个值2
3. 有多个 2，当它们被覆盖时，优先级将给予 1 而不是 -1。 (不是必须，但最好有场景)

谢谢

Answer 1

这是使用 data.table 的解决方案的 fcase()和 inrange()功能。它还处理多次出现的 2在一组以及其他边缘情况下。为了演示，我添加了一个组 E示例数据集:

NA20 <- rep(NA, 20)
dt1 <-  data.table(
  group = c(rep("A", 20), rep("B", 20), "C", "D", rep("E", 20)), 
  val = c(replace(NA20, 11, 2), replace(NA20, 6, 2), 2, NA, replace(NA20, c(5, 15), 2)))

dt1[, new := {
  rn <- 1:.N
  i2 <- which(val == 2)
  fcase(
    rn %inrange% .(i2 - 7, i2 - 1), -1,
    rn %inrange% .(i2 + 1, i2 + 7), 1,
    rn %in% i2, val
  )
}, by = group][]

    group val new
 1:     A  NA  NA
 2:     A  NA  NA
 3:     A  NA  NA
 4:     A  NA  -1
 5:     A  NA  -1
 6:     A  NA  -1
 7:     A  NA  -1
 8:     A  NA  -1
 9:     A  NA  -1
10:     A  NA  -1
11:     A   2   2
12:     A  NA   1
13:     A  NA   1
14:     A  NA   1
15:     A  NA   1
16:     A  NA   1
17:     A  NA   1
18:     A  NA   1
19:     A  NA  NA
20:     A  NA  NA
21:     B  NA  -1
22:     B  NA  -1
23:     B  NA  -1
24:     B  NA  -1
25:     B  NA  -1
26:     B   2   2
27:     B  NA   1
28:     B  NA   1
29:     B  NA   1
30:     B  NA   1
31:     B  NA   1
32:     B  NA   1
33:     B  NA   1
34:     B  NA  NA
35:     B  NA  NA
36:     B  NA  NA
37:     B  NA  NA
38:     B  NA  NA
39:     B  NA  NA
40:     B  NA  NA
41:     C   2   2
42:     D  NA  NA
43:     E  NA  -1
44:     E  NA  -1
45:     E  NA  -1
46:     E  NA  -1
47:     E   2   2
48:     E  NA   1
49:     E  NA   1
50:     E  NA  -1
51:     E  NA  -1
52:     E  NA  -1
53:     E  NA  -1
54:     E  NA  -1
55:     E  NA  -1
56:     E  NA  -1
57:     E   2   2
58:     E  NA   1
59:     E  NA   1
60:     E  NA   1
61:     E  NA   1
62:     E  NA   1
    group val new

在群里E 2 出现两次.出于好奇，我随意选择了重叠区域。从结果可以看出，调用fcase()中的第一个条件“胜”，即有七个连续的 -1 在 2 第二次出现之前.这可以通过交换对 fcase() 的调用中的第一个和第二个条件来验证。 .然后，我们会得到七个连续的 1 在第一次出现 2 之后.

另请注意 data.table::fcase()和 dplyr::case_when() (在 AnilGoyal's answer 中使用)参数的解释方式不同。

A comment要求对 {} 中的语句进行解释子句。
在 data.table语法 x[i, j, by] , i和 j可以是表达式。所以，rn和 i2在每个 group 中创建为临时变量为了节省对相同表达式的键入和重复计算。

• rn <- 1:.N是每个组中行号的向量，其中 .N是一个包含组中行数的特殊符号。 1:.N相当于dplyr::row_number() .
• i2 <- which(val == 2)是一个索引向量(组内)，其中条件 val == 2满足。

整体{} expression 是一个更具可读性的版本

fcase(
  1:.N %inrange% .(which(val == 2) - 7, which(val == 2) - 1), -1,
  1:.N %inrange% .(which(val == 2) + 1, which(val == 2) + 7), 1,
  1:.N %in% which(val == 2), val
)

警告

专栏val OP 的示例数据集的类型是double，但 OP 要求测试相等性。由于数字的有限表示形式，测试 double 的相等性可能会导致意想不到的结果(显然不是在这个用例中)。因此，我建议在适当的情况下使用 integer 类型，或者在涉及 double 的 if 子句中考虑数值公差。

顺便说一句:data.table有充分的理由对数据类型特别挑剔。