[英]Flag rows based on multiple conditions on specific columns in data.table
我有一個data.table,在特定年份有多列“性能”和一個名為“預期性能”的列。 我想創建一個名為FLAG的新列,它將根據以下兩個條件指示標記為手動審閱的行:
一個類似於我的模擬data.table:
library(data.table)
dt <- data.table(Id = c("N23", "N34", "N11", "N65", "N55", "N78", "N88"),
Name = c("ABCD", "ACBD", "ACCD", "ADBN", "ADDD", "DBCA", "CBDA"),
Type = c("T", "B", "B", "T", "T", "B", "B"),
Sold = c(500, 300, 350, 500, 350, 400, 450),
Baseline = c(2000, 2100, 2000, 1500, 1890, 1900, 2000),
Perf_2016 = c(-200, 420, 800, 900, -10, 75, 400),
Perf_2017 = c(500, 300, -20, 700, 50, 80, 370),
Perf_2018 = c(1000, 400, 600, 800, 40, 500, 300),
ExpPerf_2019 = c(1500, 380, 500, 850, 30, 400, 350))
dt
Id Name Type Sold Baseline Perf_2016 Perf_2017 Perf_2018 ExpPerf_2019
N23 ABCD T 500 2000 -200 500 1000 1500
N34 ACBD B 300 2100 420 300 400 380
N11 ACCD B 350 2000 800 -20 600 500
N65 ADBN T 500 1500 900 700 800 850
N55 ADDD T 350 1890 -10 50 40 30
N78 DBCA B 400 1900 75 80 500 400
N88 CBDA B 450 2000 400 370 300 350
對於此data.table,所需的輸出將添加FLAG列,如下所示:
Id Name Type Sold Baseline Perf_2016 Perf_2017 Perf_2018 ExpPerf_2019 FLAG
1: N23 ABCD T 500 2000 -200 500 1000 1500 TRUE
2: N34 ACBD B 300 2100 420 300 400 380 FALSE
3: N11 ACCD B 350 2000 800 -20 600 500 TRUE
4: N65 ADBN T 500 1500 900 700 800 850 FALSE
5: N55 ADDD T 350 1890 -10 50 40 30 TRUE
6: N78 DBCA B 400 1900 75 80 500 400 TRUE
7: N88 CBDA B 450 2000 400 370 300 350 FALSE
- 任何性能列都具有負值
- 預期的性能列與任何性能列的不同之處超過50%。
換句話說,這些列有共同的最小和最大界限:
所以...
dt[, v := !Reduce(`&`,
lapply(.SD, between, pmax(0, ExpPerf_2019*0.5), ExpPerf_2019*1.5)
), .SDcols=grep("^Perf_", names(dt), value=TRUE)]
Id Name Type Sold Baseline Perf_2016 Perf_2017 Perf_2018 ExpPerf_2019 v
1: N23 ABCD T 500 2000 -200 500 1000 1500 TRUE
2: N34 ACBD B 300 2100 420 300 400 380 FALSE
3: N11 ACCD B 350 2000 800 -20 600 500 TRUE
4: N65 ADBN T 500 1500 900 700 800 850 FALSE
5: N55 ADDD T 350 1890 -10 50 40 30 TRUE
6: N78 DBCA B 400 1900 75 80 500 400 TRUE
7: N88 CBDA B 450 2000 400 370 300 350 FALSE
這個怎么運作:
between
如果列位於min和max之間的檢查 lapply
將檢查應用於每一列,返回一個列表 &
Reduce
並檢查所有列是否滿足條件 !
否定結果,因此我們確定至少有一列失敗的情況 between
, &
和!
是矢量化運算符,所以我們最終得到一個結果向量,每行一個。 我可能會在magrittr中編寫這個序列,所以步驟更容易理解:
library(magrittr)
dt[, v := .SD %>%
lapply(between, pmax(0, ExpPerf_2019*0.5), ExpPerf_2019*1.5) %>%
Reduce(f=`&`) %>%
not
, .SDcols=grep("^Perf_", names(dt), value=TRUE)]
not
重拍!
,為方便起見,由magrittr提供。
.SD
是在DT[i, j, by]
的j
部分內部操作的數據子集的特殊符號。 在這種情況下,沒有i
或by
,因此只有.SDcols
是子集(用於選擇感興趣的列)。
評論
您可以使用以下代碼檢查兩個條件:
dt[, FLAG := any(.SD < 0 | .SD < ExpPerf_2019 - .5*ExpPerf_2019 | .SD > ExpPerf_2019 + .5*ExpPerf_2019),
by = Id,
.SDcols = grep("^Perf", colnames(dt), value = TRUE)
]
結果:
> dt
Id Name Type Sold Baseline Perf_2016 Perf_2017 Perf_2018 ExpPerf_2019 FLAG
1: N23 ABCD T 500 2000 -200 500 1000 1500 TRUE
2: N34 ACBD B 300 2100 420 300 400 380 FALSE
3: N11 ACCD B 350 2000 800 -20 600 500 TRUE
4: N65 ADBN T 500 1500 900 700 800 850 FALSE
5: N55 ADDD T 350 1890 -10 50 40 30 TRUE
6: N78 DBCA B 400 1900 75 80 500 400 TRUE
7: N88 CBDA B 450 2000 400 370 300 350 FALSE
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.