重复将条件摘要应用于数据框中的组

Question

我有一个看起来像这样的大数据框：

group_id    distance    metric
       1         1.1      0.85
       1         1.1      0.37
       1         1.7      0.93   
       1         2.3      0.45 
       ...
       1         6.3      0.29
       1         7.9      0.12
       2         2.5      0.78
       2         2.8      0.32
       ...

数据框已按排序group_id，然后按排序distance。我想知道dplyr或data.table等效于执行以下操作：

每个内group_id：

1. 我们的独特和分类值distance当前内 group_idBE d1,d2,...,d_n。
2. 对于每一个d在d1,d2,...,d_n：计算的一些功能f上的所有值metric，其distance值小于d。该函数f是一个自定义的用户定义函数，它接受一个向量并返回一个标量。假设函数f在空向量上定义良好。

因此，在上面的示例中，所需的数据帧如下所示：

group_id    distance_less_than    metric
       1                   1.1      f(empty vector)
       1                   1.7      f(0.85, 0.37)
       1                   2.3      f(0.85, 0.37, 0.93) 
       ...
       1                   7.9      f(0.85, 0.37, 0.93, 0.45,...,0.29)
       2                   2.5      f(empty vector)
       2                   2.8      f(0.78)
       ...

请注意如何distance重复值，例如1.1group下的值1。在这种情况下，当距离小于时应排除这两行1.1（在这种情况下，这将导致空向量）。

Answer 1

A possible approach is to use non-equi join available in data.table. The left table is the unique set of combinations of group_id and distance and right table are all the distance less than left table's distance.

f <- sum
DT[unique(DT, by=c("group_id", "distance")), on=.(group_id, distance<distance), allow.cartesian=TRUE,
    f(metric), by=.EACHI]

output:

   group_id distance   V1
1:        1      1.1   NA
2:        1      1.7 1.22
3:        1      2.3 2.15
4:        1      6.3 2.60
5:        1      7.9 2.89
6:        2      2.5   NA
7:        2      2.8 0.78

data:

library(data.table)
DT <- fread("group_id    distance    metric
1         1.1      0.85
1         1.1      0.37
1         1.7      0.93   
1         2.3      0.45 
1         6.3      0.29
1         7.9      0.12
2         2.5      0.78
2         2.8      0.32")