根据以前的值更新列值（一次处理总是处理）

Question

我想知道是否有使用数据的更快方法。table/dplyr 根据以前的值按组替换值。

假设我的原始数据 table 看起来像：

DT_orig <- data.table(name = c("A", "A", "A", "B", "B", "B"), 
                      year = c("2001", "2002", "2003", "2001", "2002", "2003"),
                      treat = c(1,0,0, 0,0,1))

看起来如下：

 name year treat
1:    A 2001     1
2:    A 2002     0
3:    A 2003     0
4:    B 2001     0
5:    B 2002     0
6:    B 2003     1

在这里，对于每个人（姓名）和时间段（年），有一列（治疗），表示他们是否已被分配治疗。

我正在考虑一种替代疗法，即一旦某个人接受了治疗，该人就会继续接受治疗。因此，修改后的数据 table 应该如下所示：

   name year treat
1:    A 2001     1
2:    A 2002     1
3:    A 2003     1
4:    B 2001     0
5:    B 2002     0
6:    B 2003     1

请注意，对于 A 来说，在 2001 年接受治疗意味着他们在接下来的几年中也是 "treated"。

因为我有一个非常大的数据table，我想知道是否有一种非常快速的修改方法来实现这一点。

Answer 1

也许我们可以使用 cummax（来自 base R）

DT_orig[, treat := cummax(treat), name]
DT_orig
#   name year treat
#1:    A 2001     1
#2:    A 2002     1
#3:    A 2003     1
#4:    B 2001     0
#5:    B 2002     0
#6:    B 2003     1

或者用 dplyr

也可以做同样的事情

library(dplyr)
DT_orig %>%
    group_by(name) %>%
    mutate(treat = cummax(treat))

或使用base R

DT_orig$treat <- with(DT_orig, ave(treat, name, FUN = cummax))

Answer 2

我会使用 cummax() 但这里有一个替代方法来说明 data.table 的连接语法：

DT_orig[, year := as.integer(year)]
DT_orig[DT_orig[treat == 1], on = .(year >= year, name), treat := 1L]

   name year treat
1:    A 2001     1
2:    A 2002     1
3:    A 2003     1
4:    B 2001     0
5:    B 2002     0
6:    B 2003     1

根据以前的值更新列值（一次处理总是处理）

Updating column values based on previous values (once treated always treated)

r

dplyr

data.table

dtplyr