作者celestialgod (天)
看板Statistics
标题Re: [程式] R整理资料的问题
时间Mon Oct 24 15:31:21 2016
先宣传一下，欢迎去R版(R_Language)讨论
以下是解法：
library(data.table)
DT <- data.table(id = rep(1:3, c(3,2,4)),
year = c(2000, 2005, 2003, 2001:2003, 2005, 2008, 2004))
DT[ , yrhat := year - min(year), by = .(id)]
print(DT)
# id year yrhat
# 1: 1 2000 0
# 2: 1 2005 5
# 3: 1 2003 3
# 4: 2 2001 0
# 5: 2 2002 1
# 6: 3 2003 0
# 7: 3 2005 2
# 8: 3 2008 5
# 9: 3 2004 1
以你的资料量去看计算时间：
DT <- data.table(id = sample(1:1.6e5, 5e6, TRUE),
year = sample(2000:2015, 5e6, TRUE))
message("The length of unique id: ", length(unique(DT$id)))
# The length of unique id: 160000
st <- proc.time()
DT[ , yrhat := year - min(year), by = .(id)]
proc.time() - st
# user system elapsed
# 0.32 0.02 0.34
※ 引述《ppp1987 (ppp)》之铭言：
: [软体程式类别]:R
: [程式问题]:资料处理
: [软体熟悉度]:
: 新手
: [问题叙述]:
: 现在我的资料大概长这样
: ID year
: 1 2000
: 1 2005
: 1 2003
: 2 2001
: 2 2002
: 3 2003
: 3 2005
: 3 2008
: 3 2004
: 现在我想算与每个ID中最小年份的差(yrhat)
: ID year yrhat
: A 2000 0
: A 2005 5
: A 2003 3
: B 2001 0
: B 2002 1
: C 2003 0
: C 2005 2
: C 2008 5
: C 2004 1
: [程式范例]:
: 我现在想到的是用for回圈写
: for(ID in 1:3){
: ee<-length(table(data$ID)[table(data$ID)==ID])
: for(i in 1:ee){
: k<-data[data$ID==names(table(data$ID)[table(data$ID)==ID][i]),]
: k[,c("yrhat")]<-k[,c("year")]-min( k[,c("year")]
: data[data$ID==names(table(data$ID)[table(data$ID)==ID][i]),c("yrhat")]<-
: k[,c("yrhat")]
: }
: }
: 这可以跑出我要的结果
: 但是我现在资料有超过50万笔 ID有16万个 所以会跑好几天
: 想请问版上的高手有没有知道比较快的方法
: 谢谢
--
R资料整理套件系列文：
magrittr #1LhSWhpH (R_Language) https://goo.gl/OBto1x
data.table #1LhW7Tvj (R_Language) https://goo.gl/QFtp17
dplyr(上.下) #1LhpJCfB,#1Lhw8b-s (R_Language) https://goo.gl/GcfNoP
tidyr #1Liqls1R (R_Language) https://goo.gl/pcq5nq
pipeR #1NXESRm5 (R_Language) https://goo.gl/cDIzTh
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 118.170.41.113
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Statistics/M.1477294288.A.C84.html
1F：推 ppp1987: 成功了!太感谢了!! 10/24 15:48
不客气
※ 编辑: celestialgod (118.170.41.113), 10/24/2016 15:51:18