主页 / coding / 问题 / 78044522
Accepted
Joseff Kolman
Asked: 2024-02-23 07:32:06 +0800 CST

如何创建累计与现有列累计总和的新列？

  • 772

使用 tidyverse 函数，我希望创建一个新的数据列，其总和等于第一列中的累积和，但使用的增量不大于incr.

可以以 df 开头

incr <- 1.5
df <- data.frame(a = c(6,0,0,2.5,0,0))
df
    a
1 6.0
2 0.0
3 0.0
4 2.5
5 0.0
6 0.0

然后b使用以下命令创建一个新列incr：

    a   b
1 6.0 1.5
2 0.0 1.5
3 0.0 1.5
4 2.5 1.5
5 0.0 1.5
6 0.0 1.0

我发现tidyr::uncount()它似乎是一个可以工作的函数，但我需要使用非整数增量。一般来说，尝试改变和使用矢量化函数，并对运行它进行了一些思考rowwise()，但我的大多数想法都需要迭代。

来自下面的评论：如果类比有帮助，请将其想象为排队下载。列a显示您在时间 1 时按下载 6 MB，在时间 2 和 3 时按 0 MB，然后在时间 4 时按下载 2.5 MB。但是，您的连接只能以 的速度下载incr。因此，如果incr是 1.5，该列b将显示实际下载的内容。您在每个周期都充分使用该连接速度，直到您在时间 6 内下载最终残差 ( 1.0)。

为了更好地突出维度，这里还有另一个 df：

incr <- 1.5
df <- data.frame(a = rep(0,100),b=rep(0,100))
df$a[c(30,33,38)] = c(6,2.5,1)
df[30:39,]
     a b
30 6.0 0
31 0.0 0
32 0.0 0
33 2.5 0
34 0.0 0
35 0.0 0
36 0.0 0
37 0.0 0
38 1.0 0
39 0.0 0

具有所需的输出

     a   b
30 6.0 1.5
31 0.0 1.5
32 0.0 1.5
33 2.5 1.5
34 0.0 1.5
35 0.0 1.0
36 0.0 0.0
37 0.0 0.0
38 1.0 1.0
39 0.0 0.0

4 个回答

  1. Best Answer

    因为我不知道什么时候放弃，我认为唯一的解决办法就是迭代。但我认为你总是可以在 C++ 中进行迭代，使其像向量化函数一样超快：

    Rcpp::cppFunction(
  "
    NumericVector iterate_to_cumsum(NumericVector v1, double incr) {
    int x = v1.size();
    NumericVector v2(x);

    for (int i =0; i < x; ++i) {
      v2[i] = std::max(0.0, std::min(incr, sum(v1[Rcpp::Range(0, i)]) - sum(v2)));
    }

    return v2;

  }
"
)

library(tidyverse)

df <- data.frame(a = c(6, 0, 0, 2.5, 0, 0, 0, 0, 1, 0, 3, 0, 0, 0))
incr <- 1.5

df |> 
  mutate(b = iterate_to_cumsum(a, incr))
#>      a   b
#> 1  6.0 1.5
#> 2  0.0 1.5
#> 3  0.0 1.5
#> 4  2.5 1.5
#> 5  0.0 1.5
#> 6  0.0 1.0
#> 7  0.0 0.0
#> 8  0.0 0.0
#> 9  1.0 1.0
#> 10 0.0 0.0
#> 11 3.0 1.5
#> 12 0.0 1.5
#> 13 0.0 0.0
#> 14 0.0 0.0
    • 2

  2. 一种可能性是使用函数工厂。这允许您保存一些状态信息，在本例中是余数，这对您的计算很有帮助。迭代来自内部map_dbl，但这不是矢量化答案：

    library(purrr)
library(dplyr)

incr_cap <- function(incr) {
  force(incr)
  remainder <- NULL
  function(curv) {
    val <- if (is.null(remainder)) curv else curv + remainder
    if (val > incr) {
      remainder <<- val - incr
      return(incr)
    } else if (val > 0) {
      remainder <<- 0 
      return(val)
    } else {
      remainder <<- 0
      return(0)
    }
  }
}

df |>
  mutate(b = map_dbl(a, incr_cap(1.5)))
#      a   b
# 30 6.0 1.5
# 31 0.0 1.5
# 32 0.0 1.5
# 33 2.5 1.5
# 34 0.0 1.5
# 35 0.0 1.0
# 36 0.0 0.0
# 37 0.0 0.0
# 38 1.0 1.0
# 39 0.0 0.0
    • 1

  3. 我将使用for带有一堆if语句的循环来完成此操作：

    设置数据框

    incr <- 1.5
df <- data.frame(a = rep(0,100),b=rep(0,100))
df$a[c(30,33,38)] = c(6,2.5,1)
df <- df[29:39,]
df
     a b
29 0.0 0 # note I included first row as 0 to test
30 6.0 0
31 0.0 0
32 0.0 0
33 2.5 0
34 0.0 0
35 0.0 0
36 0.0 0
37 0.0 0
38 1.0 0
39 0.0 0

    For循环和if语句：

    for (i in 1:nrow(df)) {
  if (i == 1 & df$a[[1]] < incr) {
    df$b[i] <- df$a[[1]]
  } else if (sum(df$a[1:i]) - sum(df$b[1:i]) > incr) {
    df$b[i] <- incr
  } else {
    df$b[i] <- sum(df$a[1:i]) - sum(df$b[1:i]) 
  } 
}

    输出

    df
     a   b
29 0.0 0.0
30 6.0 1.5
31 0.0 1.5
32 0.0 1.5
33 2.5 1.5
34 0.0 1.5
35 0.0 1.0
36 0.0 0.0
37 0.0 0.0
38 1.0 1.0
39 0.0 0.0
    • 1

  4. 在实现方面，我使用了@Andy Baxter的Rcpp函数，并且效果非常好！

    对于希望仅使用 tidyverse 而无需 C++ 来解决此问题的未来用户：同意 @Andy Baxter 的结论，即这需要迭代，我从上面case_when()的 100 行开始构建了一个可行但笨重的方法df：

    df2 <- df %>% mutate(a_sum = cumsum(a)) %>%
   rowwise() %>%
   mutate(
     b_sum = lag(b,1,default = 0) + b,
     b=case_when(
     lag(a_sum,1,default = 0) == 0 & a_sum != 0 ~ incr,
     lag(b_sum,1,default = 0) == 0 ~ 0,
     lag(b_sum,1,default = 0) < lag(a_sum,1) ~ min(incr,lag(a_sum,1)-lag(b_sum,1)),
     .default = 0
     )) %>% select(a,b_sum)
colnames(df2) <- c("a","b")

df2[30:39,]
# A tibble: 10 × 2
# Rowwise: 
       a     b
   <dbl> <dbl>
 1   6     1.5
 2   0     1.5
 3   0     1.5
 4   2.5   1.5
 5   0     1.5
 6   0     1  
 7   0     0  
 8   0     0  
 9   1     1  
10   0     0
    • 1

相关问题