3

data.table实现asof（也称为rollingor LOCF）开箱即用的连接。我发现了这个相关的问题：

按类别填写数据表中的缺失（空白） - 向后和向前

但这个问题在数据中有 NA。就我而言，我遵循那里的建议以保持数据不规则并使用roll=TRUE. 我想做的不是将最后一次观察结果向前推进，而是尽可能有效地向后进行下一次观察。

这是我尝试过的，time:=-time首先尝试欺骗它。我可以做得更好吗？我可以做得更快吗？

llorJoin <- function(A,B){
    B <- copy(B);
    keys <- key(A);
    if( !identical(key(A), key(B)) | is.null(keys) ){
       stop("llorJoin::ERROR; A and B should have the same non-empty keys");
    }

    lastKey <- tail(keys,1L);
    myStr <- parse(text=paste0(lastKey,":=-as.numeric(",lastKey,")"));
    A <- A[,eval(myStr)]; setkeyv(A,keys);
    B <- B[,eval(myStr)]; setkeyv(B,keys);

    origin <- "1970-01-01 00:00.00 UTC";
    A <- B[A,roll=T];
    myStr2 <- parse(text=paste0(lastKey,":=as.POSIXct(-",lastKey,",origin=origin)"));
    A <- A[,eval(myStr2)]; setkeyv(A,keys);
    return(A);
}

library(data.table)
A <- data.table(time=as.POSIXct(c("10:01:01","10:01:02","10:01:04","10:01:05","10:01:02","10:01:01","10:01:01"),format="%H:%M:%S"),
                b=c("a","a","a","a","b","c","c"),
                d=c(1,1.9,2,1.8,5,4.1,4.2));
B <- data.table(time=as.POSIXct(c("10:01:01","10:01:03","10:01:00","10:01:01"),format="%H:%M:%S"),b=c("a","a","c","d"), e=c(1L,2L,3L,4L));
setkey(A,b,time)
setkey(B,b,time)

library(rbenchmark)
benchmark(llorJoin(A,B),B[A,roll=T],replications=10)
            test replications elapsed relative user.self sys.self user.child sys.child
1 llorJoin(A, B)           10   0.045        1     0.048        0          0         0
2 B[A, roll = T]           10   0.009        1     0.008        0          0         0

   b                time  e   d
1: a 2013-01-12 09:01:01  1 1.0
2: a 2013-01-12 09:01:02  2 1.9
3: a 2013-01-12 09:01:04 NA 2.0
4: a 2013-01-12 09:01:05 NA 1.8
5: b 2013-01-12 09:01:02 NA 5.0
6: c 2013-01-12 09:01:01 NA 4.1
7: c 2013-01-12 09:01:01 NA 4.2

因此，作为比较，初始数据上的 asof 连接要快 5 倍。

4

1 回答 1

4

roll自古以来argument就可以执行nocb了。更新此答案以便可以关闭#615 。

您也不再需要设置密钥。on=相反，您可以使用参数指定要加入的列（在 中实现v1.9.6）。有了这两个功能，任务可以完成如下：

require(data.table) # v1.9.6+
A[B, on=c("b", "time"), roll=-Inf]
#                   time b  e   d
# 1: 2015-10-11 10:01:01 a  1 1.0
# 2: 2015-10-11 10:01:02 a  2 1.9
# 3: 2015-10-11 10:01:04 a NA 2.0
# 4: 2015-10-11 10:01:05 a NA 1.8
# 5: 2015-10-11 10:01:02 b NA 5.0
# 6: 2015-10-11 10:01:01 c NA 4.1
# 7: 2015-10-11 10:01:01 c NA 4.2

就是这样。

您非常接近最快的方式，而无需更改data.table. 以下功能请求已在一段时间前提交：

FR#2300 添加向后和 firstback 到 roll=TRUE

我在那里添加了一个链接回到这个问题。您可以在 R-Forge 上搜索功能请求列表。在这种情况下，像“roll”、“forwards”和“backwards”这样的词都可以找到。您可能需要 4 或 5 次尝试搜索尝试以确认尚未提交错误或功能请求。

对我来说，实现该功能请求（只需要内部几行代码）可能比尝试为您提供最快的解决方法要快。

于 2013-01-13T11:40:34.697 回答