r - 如何在不循环的情况下添加组 ID？

Question

我有数据框，例如:

   productid   ordernum   
   p1          10
   p2          20
   p3          30 
   p4          5
   p5          20
   p6          8

我想添加另一个名为 groupid 的列，它将产品按顺序组合在一起，一旦 sum(ordernum) 达到 30 ，就分配一个新的组 ID，例如结果应该是

 productid   ordernum  groupid   
   p1          10        1
   p2          20        1 
   p3          30        2
   p4          5         3
   p5          20        3 
   p6          8         3

通过循环很容易做到这一点，我如何在不循环的情况下实现这一目标？

Answer 1

短的怎么样c++已写 for循环使用 Rcpp .这个小函数需要一个 numeric向量，即您的 ordernum列和 threshold参数(要从中开始新 ID 的累积总和)并返回长度等于输入向量的 ID 向量。应该运行得相对较快，因为它是 for在 c++ 中循环.下面的代码片段将安装 Rcpp如果您还没有安装它并且将编译该函数以供使用，则为您准备。只需复制并粘贴到 R...

if( !require(Rcpp) ) install.packages("Rcpp"); require(Rcpp)
Rcpp::cppFunction( ' NumericVector grpid( NumericVector x , int threshold ){
  int n = x.size();
  NumericVector out(n);
  int tot = 0;
  int id = 1;
  for( int i = 0; i < n; ++i){
    tot += x[i];
    out[i] = id;
    if( tot >= threshold ){
      id += 1;
      tot = 0;
    }
  }
  return out;
}')

然后要使用该函数，只需像任何其他 R 函数一样使用它，提供相关参数:

df$groupid <- grpid( df$ordernum , 30 )
#  productid ordernum groupid
#1        p1       10       1
#2        p2       20       1
#3        p3       30       2
#4        p4        5       3
#5        p5       20       3
#6        p6        8       3

基准比较

OP 要求我针对基本 R for 循环对 Rcpp 循环进行基准测试。这是代码和结果。在包含 100,000 个产品 ID 的向量上，速度提高了大约 400 倍:

set.seed(1)
x <- sample(30,1e5,repl=T)
for.loop <- quote({
    tot <- 0 
    id <- 1
    out <- numeric(length(x))
    for( i in 1:length(x) ){
        tot <- tot + x[i]
        out[i] <- id
        if( tot >= 30 ){
            tot <- 0
            id <- id + 1
        }
    }
})

rcpp.loop <- quote( out <- grpid(x,30))

require( microbenchmark )
print( bm , unit = "relative" , digits = 2 , "median" )
Unit: relative
            expr min  lq median  uq max neval
 eval(rcpp.loop)   1   1      1   1   1    50
  eval(for.loop) 533 462    442 428 325    50