我在 R 中有一个 50 列 x 250 万行的数据框,代表一个时间序列。时间列属于 POSIXct 类。为了分析,我反复需要在特定时间找到给定类的系统状态。
我目前的方法如下(简化且可重复):
set.seed(1)
N <- 10000
.time <- sort(sample(1:(100*N),N))
class(.time) <- c("POSIXct", "POSIXt")
df <- data.frame(
time=.time,
distance1=sort(sample(1:(100*N),N)),
distance2=sort(sample(1:(100*N),N)),
letter=sample(letters,N,replace=TRUE)
)
# state search function
time.state <- function(df,searchtime,searchclass){
# find all rows in between the searchtime and a while (here 10k seconds)
# before that
rows <- which(findInterval(df$time,c(searchtime-10000,searchtime))==1)
# find the latest state of the given class within the search interval
return(rev(rows)[match(T,rev(df[rows,"letter"]==searchclass))])
}
# evaluate the function to retrieve the latest known state of the system
# at time 500,000.
df[time.state(df,500000,"a"),]
但是,调用的which
成本非常高。或者,我可以先按类过滤,然后找到时间,但这并不会改变评估时间。根据 Rprof 的说法,这which
花费==
了大部分时间。
有没有更有效的解决方案?时间点按弱递增排序。