library(data.table);
setDT(df); ## ensure df is a data.table
cns <- grep(value=T,'^x_',names(df));
df[,do.call(c,lapply(cns,function(cn) { x <- get(cn); setNames(nm=paste0(cn,c('min','max')),.(min(x),max(x))); })),.(date)];
## date x_01min x_01max x_02min x_02max x_10min x_10max
## 1: 2016-04-08M 0.2655087 0.9082078 0.06178627 0.6870228 0.21214252 0.93470523
## 2: 2016-04-09M 0.2016819 0.9446753 0.38410372 0.7698414 0.12555510 0.65167377
## 3: 2016-04-10M 0.6291140 0.6291140 0.99190609 0.9919061 0.01339033 0.01339033
まず、ターゲット列名がvalue=T
引数でgrep()
を呼び出すことによって導出されています。これらの名前は、グローバル環境のcns
に格納されています。
次に、data.tableはインデックスが付けられ、date
にグループ化されます。
各グループについて、は、現在の列名をパラメータcn
として、cns
ベクトルに対して実行されます。
data.tableの列は常にj
引数式に表示されているので働く、cn
にget()
を呼び出すことによって、ラムダ内で、列ベクトルが検索され、ローカル変数x
に格納されています。
最後に、要約統計量は.()
を使用して、リストで計算され、それらの名前は、私たちが動的paste0()
でcn
からそれらを計算することができますsetNames()
を使用して設定されています。
lapply()
呼び出しの結果は、リストのリストになりますが、私たちはグループの集計結果のための単一の非ネストされたリストを生成する必要があるため、私たちは、ネストされたリストをネスト解除するdo.call(c,...)
を通してそれを実行する必要があります。ここの代替案はunlist(recursive=F,...)
です。両方の選択肢はネストされたリストの名前を保持します。これは私たちが望むものです。
ベンチマーク
library(data.table);
library(microbenchmark);
bgoldst <- function(df) { cns <- grep(value=T,'^x_',names(df)); df[,do.call(c,lapply(cns,function(cn) { x <- get(cn); setNames(nm=paste0(cn,c('min','max')),.(min(x),max(x))); })),.(date)]; };
kunal <- function(df) { indices <- grep('x_',colnames(df)); col_names <- colnames(df)[indices]; query_min <- paste0(col_names,'min=min(',col_names,')'); query_max <- paste0(col_names,'max=max(',col_names,')'); query_1 <- paste(c(query_min,query_max),collapse=','); eval(parse(text=paste0('df[,.(',query_1,'),by=date]'))); };
psidom <- function(df) { cols <- names(df)[grepl('x_',names(df))]; newCols <- paste0(rep(cols,each=2),c('max','min')); sumFun <- function(col) list(max(col),min(col)); df[,c(newCols):=unlist(lapply(.SD,sumFun),recursive=F),.(date),.SDcols=cols]; unique(df[,.SD,.SDcols=c('date',newCols)]); };
set.seed(1L);
int <- seq(as.POSIXct('2016-04-08'),as.POSIXct('2016-04-10'),by='6 h');
df <- data.frame(date=int,x_01=runif(9L),x_02=runif(9L),x_10=runif(9L),b_31=runif(9L));
df$date <- format(as.POSIXct(df$date),format='%Y-%m-%dM');
setDT(df);
expected <- bgoldst(copy(df)); co <- names(expected);
identical(expected,kunal(copy(df))[,co,with=F]);
## [1] TRUE
identical(expected,psidom(copy(df))[,co,with=F]);
## [1] TRUE
microbenchmark(bgoldst(copy(df)),kunal(copy(df)),psidom(copy(df)));
## Unit: milliseconds
## expr min lq mean median uq max neval
## bgoldst(copy(df)) 1.397569 1.445893 1.522512 1.490369 1.538908 2.749805 100
## kunal(copy(df)) 1.318453 1.362287 1.483356 1.403555 1.443968 4.733684 100
## psidom(copy(df)) 1.451881 1.532920 1.625494 1.573120 1.624010 3.097487 100
set.seed(1L);
NR <- 500L; NC <- 100L;
df <- data.frame(
date=seq(as.POSIXct('2016-04-08'),by='6 h',len=NR),
setNames(nm=paste0('x_',seq_len(NC)),as.data.frame(replicate(NC,runif(NR)))),
b_31=runif(NR)
);
df$date <- format(as.POSIXct(df$date),format='%Y-%m-%dM');
setDT(df);
expected <- bgoldst(copy(df)); co <- names(expected);
identical(expected,kunal(copy(df))[,co,with=F]);
## [1] TRUE
identical(expected,psidom(copy(df))[,co,with=F]);
## [1] TRUE
microbenchmark(bgoldst(copy(df)),kunal(copy(df)),psidom(copy(df)));
## Unit: milliseconds
## expr min lq mean median uq max neval
## bgoldst(copy(df)) 94.75322 100.94627 106.61343 102.37655 105.89292 164.58885 100
## kunal(copy(df)) 21.38946 23.04383 24.60639 24.20192 25.18723 69.29593 100
## psidom(copy(df)) 45.32431 48.76798 50.63476 49.60532 51.03667 92.41567 100
最良の答えのための私のピック! –
bgoldst、そのような洗練されたソリューション、あなたの説明と他のソリューションのベンチマークに感謝します。私はそれを私のデータフレームの1つに20変数の35136個のobsで適用しました。 @Kunal私のアプローチはあなたのものに最も似ていたので、あなたのソリューションは私がどこに足りなくなっているかを理解するのに役立ちます。 – ghostpuppy
私はコード解決に 'setDT(df)'を含めます。コードなしでは実行されません。私は説明の上にそれを理解しましたが、他の人はこの重要なステップを見過ごすかもしれません。 – ghostpuppy