r 中组内的高效成对操作

Question

我有一个包含公司及其绩效指标以及其他信息的数据集。我想根据该行业所有其他公司（不包括焦点公司）的加权平均绩效为每个公司定义“社会期望水平”。

更具体地说：

其中 i 表示焦点公司，t 表示时间 t。 j表示同行业的其他公司，P是公司规模，I是收入。

对于下面给定的数据集：

set.seed(123)
df = data.table(
   "Firm" = c(rep(c("A","B","C","D"),times=2),rep(c("E","F","G","H"),times=2)),
   "Year" = c(rep(c(2001,2002),each=4),rep(c(2001,2002),each=4)),
   "Income" = sample(100:200,16),
   "Size" = sample(1:20,16),
   "Industry_Code" = rep(c(100,200),each=8)
   )
df

     Firm Year Income Size Industry_Code
 1:    A 2001    130    7           100
 2:    B 2001    178   10           100
 3:    C 2001    150    9           100
 4:    D 2001    113    4           100
 5:    A 2002    166   14           100
 6:    B 2002    141    1           100
 7:    C 2002    149   11           100
 8:    D 2002    142   20           100
 9:    E 2001    197    5           200
10:    F 2001    124   19           200
11:    G 2001    189   13           200
12:    H 2001    168   18           200
13:    E 2002    156   15           200
14:    F 2002    108    2           200
15:    G 2002    171    3           200
16:    H 2002    125   17           200

期望的结果是：

     Firm Year Income Size Industry_Code    SA
 1:    A 2001    130    7           100 40.91667
 2:    B 2001    178   10           100 41.21429
 3:    C 2001    150    9           100 50.38889
 4:    D 2001    113    4           100 27.64286
 5:    A 2002    166   14           100 22.53571
 6:    B 2002    141    1           100 10.83420
 7:    C 2002    149   11           100 12.44329
 8:    D 2002    142   20           100 15.22143
 9:    E 2001    197    5           200 13.75556
10:    F 2001    124   19           200 41.37778
11:    G 2001    189   13           200 22.53439
12:    H 2001    168   18           200 35.85714
13:    E 2002    156   15           200 20.84493
14:    F 2002    108    2           200 34.81845
15:    G 2002    171    3           200 24.77778
16:    H 2002    125   17           200 23.38333

请注意，例如，对于 2001 年的 A，SA 由 ((178/4+150/3+113/4)/3) 给出。 for 循环会做我想做的事，但它非常慢。 data.table 解决方案更可取，我想通过分组行业和年份来迭代它。

我知道开发解决方案可能很耗时，因此非常感谢您的帮助。

Answer 1

不确定这是否会比您的循环更快，因为 sapply 本质上是一个循环，但这里是使用 data.table 分组的公式的相对简单的实现。

df[, sa := (sapply(Size, function(s) sum(Income/(1 + abs(s - Size)))) - Income)/(.N - 1), 
   .(Year, Industry_Code)]

df
#     Firm Year Income Size Industry_Code       sa
#  1:    A 2001    130    7           100 40.91667
#  2:    B 2001    178   10           100 41.21429
#  3:    C 2001    150    9           100 50.38889
#  4:    D 2001    113    4           100 27.64286
#  5:    A 2002    166   14           100 22.53571
#  6:    B 2002    141    1           100 10.83420
#  7:    C 2002    149   11           100 22.83939
#  8:    D 2002    142   20           100 15.22143
#  9:    E 2001    197    5           200 13.75556
# 10:    F 2001    124   19           200 41.37778
# 11:    G 2001    189   13           200 22.53439
# 12:    H 2001    168   18           200 35.85714
# 13:    E 2002    156   15           200 20.84493
# 14:    F 2002    108    2           200 34.81845
# 15:    G 2002    171    3           200 24.77778
# 16:    H 2002    125   17           200 23.38333

使用的数据：

df <- fread('
Firm Year Income Size Industry_Code
    A 2001    130    7           100
    B 2001    178   10           100
    C 2001    150    9           100
    D 2001    113    4           100
    A 2002    166   14           100
    B 2002    141    1           100
    C 2002    149   11           100
    D 2002    142   20           100
    E 2001    197    5           200
    F 2001    124   19           200
    G 2001    189   13           200
    H 2001    168   18           200
    E 2002    156   15           200
    F 2002    108    2           200
    G 2002    171    3           200
    H 2002    125   17           200
')

r 中组内的高效成对操作

Efficient pair-wise operations within groups in r

datatable

for-loop

r

data.table

pairwise