řdata.table增量，並設置NA持續非缺失值

我有從一組用戶的在線活動的一些數據：

userId指示用戶的ID。
pageType指示用戶所在的當前頁面。 home表示主頁，而content表示內容頁面。
頁面已按時間排序，所以第1行發生在第2行之前，第2行發生在第3行之前，...
實際數據大約有200萬行和8種頁面類型。 userId是一個36字符的java.util.UUID對象。

的完全相同的類型的[目標]

欲生成每個pageType一個新的列和計數的前頁視圖的數目（不包括電流）。

[樣品數據]

產生實際數據的樣本：

library(data.table) 
DT <- data.table("userId"=rep(1:3, each=10), 
       "pageType"=c("home", "content", "home", "content", "home", "home", "content", "content", "home", "home", 
           "content", "content", "home", "home", "content", "home", "home", "content", "home", "content", 
           "home", "home", "content", "content", "home", "home", "content", "content", "home", "content")) 

> DT 
    userId pageType 
1:  1  home 
2:  1 content 
3:  1  home 
4:  1 content 
5:  1  home 
6:  1  home 
7:  1 content 
8:  1 content 
9:  1  home 
10:  1  home 
... ...  ...

[我嘗試]

我已經嘗試了兩種方式來解決這個問題，但他們都太慢了。我也覺得我的解決方案沒有按照它的設計方式使用data.table。

解決方案我

通過pageType和增量由userId篩選。
爲其他pageType設置缺失值。

下面是代碼：

FixPageView <- function(data, type) { 
    val <- 0 
    for (i in 1:nrow(data)) { 
    if (is.na(data[[type]][i])) { 
     set(data, i, type, val) 
    } else { 
     val <- data[[type]][i] 
    } 
    } 
} 
DT[pageType=="home", numHomePagesViewed:=0:(.N-1), by=userId] 
DT[pageType=="content", numContentPagesViewed:=0:(.N-1), by=userId] 
FixPageView(DT, "numHomePagesViewed") 
FixPageView(DT, "numContentPagesViewed") 

> DT 
    userId pageType numHomePagesViewed numContentPagesViewed 
1:  1  home     0      0 
2:  1 content     0      0 
3:  1  home     1      0 
4:  1 content     1      1 
5:  1  home     2      1 
6:  1  home     3      1 
7:  1 content     3      2 
8:  1 content     3      3 
9:  1  home     4      3 
10:  1  home     5      3 
... ...  ...    ...     ...

解決方案II

雙for循環，並將其設置逐行。

DT[, numHomePagesViewed := 0L][, numContentPagesViewed := 0L] 
for (i in unique(DT$userId)) { 
    home_inc <- -1L 
    content_inc <- -1L 
    for (j in 1L:nrow(DT[userId==i])) { 
    if (DT$pageType[(i-1L)*10L + j] == "home") { 
     home_inc <- home_inc + 1L 
     set(DT, (i-1L)*10L + j, "numHomePagesViewed", home_inc) 
    } else { 
     set(DT, (i-1L)*10L + j, "numHomePagesViewed", max(0, home_inc)) 
    } 
    if (DT$pageType[(i-1L)*10L + j] == "content") { 
     content_inc <- content_inc + 1L 
     set(DT, (i-1L)*10L + j, "numContentPagesViewed", content_inc) 
    } else { 
     set(DT, (i-1L)*10L + j, "numContentPagesViewed", max(0, content_inc)) 
    } 
    } 
} 

> DT 
    userId pageType numHomePagesViewed numContentPagesViewed 
1:  1  home     0      0 
2:  1 content     0      0 
3:  1  home     1      0 
4:  1 content     1      1 
5:  1  home     2      1 
6:  1  home     3      1 
7:  1 content     3      2 
8:  1 content     3      3 
9:  1  home     4      3 
10:  1  home     5      3 
... ...  ...    ...     ...

[問題]

我能做些什麼來提高速度？
有沒有更多的「data.table」方式來解決這個問題？

來源

2015-09-04 Boxuan

我想嘗試：

DT[,lapply(unique(pageType), 
    function(x) pmax(cumsum(pageType==x)-1,0)),by=userId]

接下來，你必須重新命名所獲得的列。其實

DT[, paste0("num",unique(DT$pageType),"PagesViewed") := 
     lapply(unique(pageType), function(x) pmax(cumsum(pageType==x)-1,0)), by=userId]

來源

2015-09-04 05:29:23 nicola

，你介意更新您的答案是：

正如評論所說，你可以用一條線指定的名字呢？它一次完成命名：'DT [，c（「numHomePagesViewed」，「numContentPagesViewed」）：= lapply（unique（pageType），function（x）pmax（cumsum（pageType == x）-1,0）），by = userId]' – Boxuan

řdata.table增量，並設置NA持續非缺失值

回答

相關問題