在data.table中配對行

Question

我有一個類似於使用以下命令獲得的數據表：

dt <- data.table(
  time = 1:8,
  part = rep(c(1, 1, 2, 2), 2),
  type = rep(c('A', 'B'), 4),
  data = rep(c(runif(1), 0), 4))

基本上，這樣的表包含兩種不同類型的實例（A或B）。 時間列包含請求到達或離開某個部分的時間戳。 如果實例類型為A，則時間戳表示到達時間（輸入），如果類型為B，則時間戳表示離開時間（退出）。

   time part type      data
1:    1    1    A 0.5842668
2:    2    1    B 0.0000000
3:    3    2    A 0.5842668
4:    4    2    B 0.0000000
5:    5    1    A 0.5842668
6:    6    1    B 0.0000000
7:    7    2    A 0.5842668
8:    8    2    B 0.0000000

我想配對A和B實例，並獲取以下數據表：

   part data        enter.time exit.time
1:    1 0.4658239   1          2
2:    1 0.4658239   5          6
3:    2 0.4658239   3          4
4:    2 0.4658239   7          8

我嘗試過以下方法：

pair.types <- function(x) {
  a.type <- x[type == 'A']
  b.type <- x[type == 'B']
  return(data.table(
      enter.time = a.type$time,
      exit.time = b.type$time,
      data = a.type$data))
}

dt[, c('enter.time', 'exit.time', 'data') := pair.types(.SD), by = list(part)]

但是，這給了我以下，這不是我想要的：

   time part type      data enter.time exit.time
1:    1    1    A 0.3441592          1         2
2:    2    1    B 0.3441592          5         6
3:    3    2    A 0.3441592          3         4
4:    4    2    B 0.3441592          7         8
5:    5    1    A 0.3441592          1         2
6:    6    1    B 0.3441592          5         6
7:    7    2    A 0.3441592          3         4
8:    8    2    B 0.3441592          7         8

它有點接近，但由於保留了列'type'，所以有些行是重復的。 也許，我可以嘗試刪除列'time'和'type'，然后刪除行的后半部分。 但是，我不確定這是否適用於所有情況，我想學習更好的方法來執行此操作。

Answer 1

假設您的數據看起來像您的示例數據：

dt[, list(part = part[1],
          data = data[1],
          enter.time = time[1],
          exit.time = time[2]),
     by = as.integer((seq_len(nrow(dt)) + 1)/2)]
#    by = rep(seq(1, nrow(dt), 2), each = 2)]
#    ^^^ a slightly shorter and a little more readable alternative

這個想法很簡單 - 將行分為2組（即by部分），即每組將是一個A和一個B，然后每個組獲取第一part和第一個data ，然后進入和退出時間只是分別是第一次和第二time 。 如果您遵循手工邏輯，這很可能就是這樣做的，這使得它易於閱讀（一旦您了解了data.table工作方式）。

Answer 2

其他方式：

setkey(dt, "type")
dt.out <- cbind(dt[J("A"), list(part, data, entry.time = time)][, type := NULL], 
      exit.time = dt[J("B"), list(time)]$time)
#    part      data entry.time exit.time
# 1:    1 0.1294204          1         2
# 2:    2 0.1294204          3         4
# 3:    1 0.1294204          5         6
# 4:    2 0.1294204          7         8

如果你想，你現在可以使用setkey(dt.out, "part")來獲得相同的訂單。

---

這個想法：你的問題對我來說似乎是一個簡單的“重塑”問題。 我接近它的方法是首先創建一個鍵列作為type 。 現在，我們可以通過以下方式為關鍵列中的特定值子集data.table： dt[J("A")] 。 這將返回整個data.table 。 由於您希望重命名列time ，因此我明確提到要使用以下子列的列：

dt[J("A"), list(part, data, entry.time = time)]

當然，這也將返回我們要刪除的type列（= A）。 所以，我添加了一個[, type := NULL]來通過引用刪除列type 。

現在我們是第一部分。 我們所需要的只是exit.time 。 這可以通過以下方式獲得：

dt[J("B"), list(time)] # I don't name the column here

但是當你只需要時間列時，這會給出一個data.table ，可以通過以下方式訪問：

dt[J("B"), list(time)]$time

因此，在使用cbind我將此列命名為exit.time以獲得最終結果：

cbind(dt[J("A"), list(part, data, entry.time = time)][, type := NULL], 
      exit.time = dt[J("B"), list(time)]$time)

希望這可以幫助。