Как мне взять прокатный продукт, используя data.table

Question

dt <- data.table(x=c(1, .9, .8, .75, .5, .1))
dt
      x
1: 1.00
2: 0.90
3: 0.80
4: 0.75
5: 0.50
6: 0.10

Как получить произведение x для этой строки и следующих двух строк для каждой строки?

      x Prod.3
1: 1.00 0.7200
2: 0.90 0.5400
3: 0.80 0.3000
4: 0.75 0.0375
5: 0.50     NA
6: 0.10     NA

В более общем смысле, для каждой строки, как получить произведение x для этой строки и следующих n строк?

Answer 1

Ты можешь попробовать

library(zoo)
rollapply(dt, 3, FUN = prod)
          x
[1,] 0.7200
[2,] 0.5400
[3,] 0.3000
[4,] 0.0375

Чтобы соответствовать ожидаемому результату

dt[, Prod.3 :=rollapply(x, 3, FUN=prod, fill=NA, align='left')]

Answer 2

Вот еще одна возможная версия с использованием data.table::shift в сочетании с Reduce (согласно комментарию @Aruns)

library(data.table) #v1.9.6+
N <- 3L
dt[, Prod3 := Reduce(`*`, shift(x, 0L:(N - 1L), type = "lead"))]

shift Векторизация означает, что он может создавать несколько новых столбцов одновременно в зависимости от вектора, переданного в n аргумент. Затем, Reduce в основном применяется * для всех векторов одновременно поэлементно.

Answer 3

Вот два пути... хотя и не самые эффективные реализации возможны:

require(data.table)
N = 3L
dt[, prod := prod(dt$x[.I:(.I+N-1L)]), by=1:nrow(dt)]

---

Еще один, использующий embed():

tmp = apply(embed(dt$x, N), 1, prod)
dt[seq_along(tmp), prod := tmp]

---

тесты:

set.seed(1L)
dt = data.table(x=runif(1e6))
zoo_fun <- function(dt, N) {
    rollapply(dt$x, N, FUN=prod, fill=NA, align='left')
}

dt1_fun <- function(dt, N) {
    dt[, prod := prod(dt$x[.I:(.I+N-1L)]), by=1:nrow(dt)]
    dt$prod
}

dt2_fun <- function(dt, N) {
    tmp = apply(embed(dt$x, N), 1L, prod)
    tmp[1:nrow(dt)]
}

david_fun <- function(dt, N) {
    Reduce(`*`, shift(dt$x, 0:(N-1L), type="lead"))
}

system.time(ans1 <- zoo_fun(dt, 3L))
#    user  system elapsed 
#   8.879   0.264   9.221 
system.time(ans2 <- dt1_fun(dt, 3L))
#    user  system elapsed 
#  10.660   0.133  10.959
system.time(ans3 <- dt2_fun(dt, 3L))
#    user  system elapsed 
#   1.725   0.058   1.819 
system.time(ans4 <- david_fun(dt, 3L))
#    user  system elapsed 
#   0.009   0.002   0.011 

all.equal(ans1, ans2) # [1] TRUE
all.equal(ans1, ans3) # [1] TRUE
all.equal(ans1, ans4) # [1] TRUE

Answer 4

Сейчас data.tableимеет функции быстрой прокатки. Итак, подход @Mamoun Benghezal можно использовать как

dt[, Prod.3 := frollapply(x, 3, FUN=prod, fill=NA, align='left')]

Это очень быстро, хотя и не так быстро, как функция @David Arenburg. Используя тест @Arun:

set.seed(1L)
dt = data.table(x=runif(1e6))

froll_fun <- function(dt, N) {
    frollapply(dt$x, N, FUN = prod, fill = NA, align = 'left')
}

system.time(ans5 <- froll_fun(dt, 3L))
#  user  system elapsed 
# 0.191   0.000   0.191