如何在具有重叠值的data.table中进行分组？

Question

我有一个关于R中的data.table的问题。 我正在研究加速度数据，这需要我从原始数据中生成特征。我想每2秒分组数据。通过生成1个更多的列可以很容易地指出每2秒钟的组和by组。 但是，我想做重叠的窗口。例如，我的原始数据是这

a=data.table(x = c(1:10), y= c(2:11), z = c(5), second=rep(c(1:5),each=2)) 

XYZ第二

1：1 2 5 1

2：2 3 5 1

3：3 4 5 2

4：4 5 5 2

5：5 6 5 3

6：6 7 5 3

7：7 8 5 4

8：8 9 5 4

9：9 10 5 5

10：10 11 5 5

现在，我想每2秒计算x，y，z列的平均值。 1and2,2,3,3,4,4和5. 我可以运行for循环，但由于我有一个巨大的数据集，这将需要很长时间。你知道怎么只用数据表工具吗？ 非常感谢

Answer 1

由于只有2“第二”的独特观察，我们得到的“X”，“Y”，“Z”列lead，通过数据的“第二” unlist子集分组.table并获得mean。

nm1 <- c("x", "y", "z") 
na.omit(a[, paste0(nm1, 2) := lapply(.SD, function(x) shift(x, 2, 
    type = "lead")), .SDcols = nm1])[, .(Mean = mean(unlist(.SD))), 
      .(second = paste0(second, "-", second + 1))] 
# second  Mean 
#1: 1-2 3.666667 
#2: 2-3 5.000000 
#3: 3-4 6.333333 
#4: 4-5 7.666667 

---

或者稍微更紧凑的办法是

library(dplyr) 
cbind(a[second!= last(second)], a[second!= first(second)])[ 
    ,.(Mean = mean(unlist(.SD))), .(second = paste0(second, "-", second+1))] 
# second  Mean 
#1: 1-2 3.666667 
#2: 2-3 5.000000 
#3: 3-4 6.333333 
#4: 4-5 7.666667 

---

或者另一种办法是将它们放置在一个list，rbind数据集，创建一个新的 'ID1' 列，在unlist之后得到mean或.SDcols或者我们可以得到各列的个体mean

dt1 <- rbindlist(list(a[second!= last(second)], 
    a[second!= first(second)]), idcol=TRUE)[, id1:= as.numeric(gl(.N, 2, .N)), .id][] 

获取mean由每列 '第二'

dt1[, lapply(.SD, mean), .(second = paste0(id1, "-", id1 + 1)), .SDcols = x:z] 

得到整个mean通过 '第二'

dt1[, mean(unlist(.SD)), .(second = paste0(id1, "-", id1 +1)), .SDcols = x:z] 

Answer 2

这里的另一种方式：

ag = data.table(
    second = c(1:2, 2:3, 3:4, 4:5), 
    g = rep(paste(1:4, 2:5, sep="-"), each=2) 
) 

a[ag, on="second"][, mean(unlist(.SD)), by=g, .SDcols=x:z] 

#  g  V1 
# 1: 1-2 3.666667 
# 2: 2-3 5.000000 
# 3: 3-4 6.333333 
# 4: 4-5 7.666667 

我相信你可以合作te ag较少手动，但我不清楚它背后的规则是什么。

通常，如果您计算跨列的统计数据，那么您的数据格式不正确。如果你有时间，我建议阅读making data "tidy"。