沿着矢量搜索并计算平均值

Question

我有一些数据，看起来像这样：

require(data.table)
DT <- data.table(x=c(19,19,19,21,21,19,19,22,22,22),
             y=c(53,54,55,32,44,45,49,56,57,58))

我希望能够沿着x轴搜索，并计算y的平均值。但是，在使用时。

DT[, .(my=mean(y)), by=.(x)]

我会为 x 的重叠值得到总体平均值。 我想要沿着 x 进行搜索，并且每次 x 改变时，都想计算一个新的平均值。对于所提供的示例，输出将是：

DTans <- data.table(x=c(19,21,19,22),
             my=c(54,38,47,57))

- Øystein Myrland

Answer 1

我们可以使用 rleid 创建另一个分组变量，获取 'y' 的 mean 值，并将 'indx' 分配为 NULL。

library(data.table) # v 1.9.5+
DT[, .(my = mean(y)), by = .(indx = rleid(x), x)][, indx := NULL]
#    x my
#1: 19 54
#2: 21 38
#3: 19 47
#4: 22 57

基准测试

set.seed(24)
foo <- function(x) sample(x, 1e7L, replace = TRUE)
DT  <- data.table(x = foo(100L), y = foo(10000L))

josilber <- function() {
    new.group <- c(1, diff(DT$x) != 0)
    res <- data.table(x = DT$x[new.group == 1], 
              my = tapply(DT$y, cumsum(new.group), mean))
}

Roland <- function() {
    DT[, .(my = mean(y), x = x[1]), by = cumsum(c(1, diff(x) != 0))]
}

akrun <- function() { 
    DT[, .(my = mean(y)), by = .(indx = rleid(x), x)][,indx := NULL]
}

bgoldst <- function() {
    with(rle(DT$x), data.frame(x = values, 
       my = tapply(DT$y, rep(1:length(lengths), lengths), mean)))
}

system.time(josilber())
#   user  system elapsed 
#159.405   1.759 161.110 

system.time(bgoldst())
#   user  system elapsed 
#162.628   0.782 163.380 

system.time(Roland())
#   user  system elapsed 
# 18.633   0.052  18.678 

system.time(akrun())
#   user  system elapsed 
# 1.242   0.003   1.246 

- akrun

---

喜欢基准测试（有意义的数据大小和时间）！ - Arun

@Arun 感谢您的评论。 - akrun

Answer 2

您可以识别连续元素的组，并为每个组识别平均值和值：

(new.group <- c(1, diff(DT$x) != 0))
# [1] 1 0 0 1 0 1 0 1 0 0
DT[, list(x = x[1L], my = mean(y)), by = list(indx = cumsum(new.group))]
#    indx  x my
# 1:    1 19 54
# 2:    2 21 38
# 3:    3 19 47
# 4:    4 22 57

- josliber

---

将data.table和tapply混合使用？简直是亵渎！ - Roland

我对data.table的了解太少了，以至于我甚至不知道这是多么亵渎！在获得new.group后，有没有一种简单的方法来对DT进行分组？ - josliber

更重要的是，它很慢。这可能是一种可能性：DT[, .(my = mean(y), x = x[1]), by = cumsum(c(1, diff(x) != 0))]，但如果您可以使用1.9.5，显然akrun的答案更好。 - Roland

@Roland 这是开发版本吗？我试图进行基准测试，但 CRAN 只有 1.9.4 版本。 - josliber

@josilber，是的，1.9.5在Github上进行开发。 - Arun

Answer 3

with(rle(DT$x),data.frame(x=values,my=tapply(DT$y,rep(1:length(lengths),lengths),mean)));
##    x my
## 1 19 54
## 2 21 38
## 3 19 47
## 4 22 57

- bgoldst