确定数据框中的列何时更改值，并返回更改的索引。

Question

确定数据框中的列何时更改值，并返回更改的索引。

13

我正在尝试找到一种方法来确定数据框中一组列何时更改其值。让我直接说明，请考虑以下示例：

x<-data.frame(cnt=1:10, code=rep('ELEMENT 1',10), val0=rep(5,10), val1=rep(6,10),val2=rep(3,10))
x[4,]$val0=6

cnt列是唯一的ID（可以是日期或时间列，在此简化为int）。
code列类似于一组行的代码（想象几个具有不同代码的这样的组）。代码和计数是我的数据表中的键。
val0、val1、val2列类似于分数。

上面的数据框应该被理解为：'ELEMENT 1'的分数从5、6、3开始，保持不变，直到第4次迭代时它们变成了6、6、3，然后又变回了5、6、3。

我的问题是，有没有办法获取数据框的第1、第4和第5行？有没有办法检测列何时发生更改？（此处有12列）

我尝试使用data.table的重复函数（在大多数情况下完美地工作），但在这种情况下，它将删除所有重复项，并仅留下第1和第4行（删除第5行）。

你有什么建议吗？我不想使用for循环，因为大约有200万行。

cnt列是唯一的ID（可以是日期或时间列，在此简化为int）。 code列类似于一组行的代码（想象几个具有不同代码的这样的组）。代码和计数是我的data.table中的键。 val0、val1、val2列类似于分数。上面的数据框应该被理解为：'ELEMENT 1'的分数从5、6、3开始，保持不变，直到第4次迭代时它们变成了6、6、3，然后又变回了5、6、3。我的问题是，有没有办法获取数据框的第1、第4和第5行？有没有办法检测列何时发生更改？（此处有12列）我尝试使用data.table的重复函数（在大多数情况下完美地工作），但在这种情况下，它将删除所有重复项，并仅留下第1和第4行（删除第5行）。你有什么建议吗？我不想使用for循环，因为大约有200万行。

- Nikos

2个回答

3

完全看不懂，但是：

c(1,which(rowSums(sapply(x[,grep('val',names(x))],diff))!=0)+1)
# [1] 1 4 5

基本上，对每一行运行diff，找出所有的变化。如果任何列发生了变化，则该行发生了变化。

此外，没有使用sapply：

c(1,which(rowSums(diff(as.matrix(x[,grep('val',names(x))])))!=0)+1)

- nograpes

1

+1，注意给楼主的是你需要使用上述表达式对数据框进行子集化（可能很明显，但以防万一...）。 - BrodieG

没有问题，谢谢。它的运行非常完美。但是当在200万行上运行时速度有点慢。我担心我会依赖Arun的答案（出于许多原因）。感谢您的时间。 - Nikos

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Arun · Accepted Answer

在CRAN的稳定版本中，data.table 1.8.10中有一个名为duplist的（未导出的）函数可以完全实现这一点。它还是用C编写的，因此速度非常快。

require(data.table) # 1.8.10
data.table:::duplist(x[, 3:5]) 
# [1] 1 4 5

如果您正在使用 data.table 的开发版本（1.8.11），那么有一个更高效（在内存方面）的版本被重命名为 uniqlist，执行完全相同的工作。也许这应该在下一版中发布。好像在 Stack Overflow 上出现过多次。让我们看看。

require(data.table) # 1.8.11
data.table:::uniqlist(x[, 3:5])
# [1] 1 4 5