r - 在 data.frame 中有效地定位分组常量列

Question

如何从数据框中有效地提取分组常量列？我在下面包含了一个 plyr 实现来准确地说明我想要做什么，但它很慢。我怎样才能尽可能有效地做到这一点？ (理想情况下根本不拆分数据框)。

base <- data.frame(group = 1:1000, a = sample(1000), b = sample(1000))
df <- data.frame(
  base[rep(seq_len(nrow(base)), length = 1e6), ], 
  c = runif(1e6), 
  d = runif(1e6)
)


is.constant <- function(x) length(unique(x)) == 1
constant_cols <- function(x) head(Filter(is.constant, x), 1)
system.time(constant <- ddply(df, "group", constant_cols))
#   user  system elapsed 
# 20.531   1.670  22.378 
stopifnot(identical(names(constant), c("group", "a", "b")))
stopifnot(nrow(constant) == 1000)

在我的实际用例中(在 ggplot2 内部)可能有任意数量的常量和非常量列。示例中的数据大小大约是正确的数量级。

Answer 1

(编辑以可能解决具有相同值的连续组的问题)

我暂时提交了这个答案，但我还没有完全说服自己，它会在所有情况下在组常量列中正确识别。但它绝对更快(并且可能会得到改进):

constant_cols1 <- function(df,grp){
    df <- df[order(df[,grp]),]

    #Adjust values based on max diff in data
    rle_group <- rle(df[,grp])
    vec <- rep(rep(c(0,ceiling(diff(range(df)))),
               length.out = length(rle_group$lengths)),
               times = rle_group$lengths)
    m <- matrix(vec,nrow = length(vec),ncol = ncol(df)-1)
    df_new <- df
    df_new[,-1] <- df[,-1] + m

    rles <- lapply(df_new,FUN = rle)
    nms <- names(rles)
    tmp <- sapply(rles[nms != grp],
                  FUN = function(x){identical(x$lengths,rles[[grp]]$lengths)})
    return(tmp)
}

我的基本想法是使用 rle ， 明显地。