sheet - render dt r
usando data.table para marcar el primer registro(o el último) en un grupo (3)
Dada una clave de clasificación, ¿hay un acceso directo data.table para duplicar la first y la last funcionalidad encontrada en SAS y SPSS?
El acercamiento peatonal debajo de las banderas marca el primer registro de un grupo.
Dada la elegancia de data.table (con la que me estoy familiarizando poco a poco), asumo que hay un atajo con una combinación automática, pero todavía estoy intentando resolverlo.
Aquí está el ejemplo:
require(data.table)
set.seed(123)
n <- 17
DT <- data.table(x=sample(letters[1:3],n,replace=T),
y=sample(LETTERS[1:3],n,replace=T))
sortkey <- c("x","y")
setkeyv(DT,sortkey)
key <- paste(DT$x,DT$y,sep="-")
nw <- c( T , key[2:n]!=key[1:(n-1)] )
DT$first <- 1*nw
DT
Aquí hay un par de soluciones usando data.table :
## Option 1 (cleaner solution, added 2016-11-29)
uDT <- unique(DT)
DT[, c("first","last"):=0L]
DT[uDT, first:=1L, mult="first"]
DT[uDT, last:=1L, mult="last"]
## Option 2 (original answer, retained for posterity)
DT <- cbind(DT, first=0L, last=0L)
DT[DT[unique(DT),,mult="first", which=TRUE], first:=1L]
DT[DT[unique(DT),,mult="last", which=TRUE], last:=1L]
head(DT)
# x y first last
# [1,] a A 1 1
# [2,] a B 1 1
# [3,] a C 1 0
# [4,] a C 0 1
# [5,] b A 1 1
# [6,] b B 1 1
Obviamente hay mucho contenido en cada una de esas líneas. La construcción clave, sin embargo, es la siguiente, que devuelve el índice de fila del primer registro en cada grupo:
DT[unique(DT),,mult="first", which=TRUE]
# [1] 1 2 3 5 6 7 11 13 15
Una forma fácil es usar la función duplicated() . Cuando se aplica a un marco de datos, produce un vector donde una entrada es VERDADERA si y solo si la combinación del valor de la fila no ha ocurrido antes, al bajar el marco de datos.
DT$first <- !duplicated( DT[, list(x,y) ])
DT$last <- rev(!duplicated( DT[, list(rev(x),rev(y)) ]))
> DT
x y first last
[1,] a A TRUE TRUE
[2,] a B TRUE TRUE
[3,] a C TRUE FALSE
[4,] a C FALSE TRUE
[5,] b A TRUE TRUE
[6,] b B TRUE TRUE
[7,] b C TRUE FALSE
[8,] b C FALSE FALSE
[9,] b C FALSE FALSE
[10,] b C FALSE TRUE
[11,] c A TRUE FALSE
[12,] c A FALSE TRUE
[13,] c B TRUE FALSE
[14,] c B FALSE TRUE
[15,] c C TRUE FALSE
[16,] c C FALSE FALSE
[17,] c C FALSE TRUE
Otra forma sin usar duplicated() es:
DT[ unique(DT), list(first = c(1, rep(0,length(y)-1)),
last = c(rep(0,length(y)-1),1 )) ]
x y first last
[1,] a A 1 1
[2,] a B 1 1
[3,] a C 1 0
[4,] a C 0 1
[5,] b A 1 1
[6,] b B 1 1
[7,] b C 1 0
[8,] b C 0 0
[9,] b C 0 0
[10,] b C 0 1
[11,] c A 1 0
[12,] c A 0 1
[13,] c B 1 0
[14,] c B 0 1
[15,] c C 1 0
[16,] c C 0 0
[17,] c C 0 1
Una forma más sencilla de lo que Josh puede ser.
unique(DT)
unique(DT,fromLast=TRUE]