r - 在data.frame中有效地定位逐组常量列

如何有效地从数据框中提取按组的常量列？我在下面提供了plyr实现，以精确说明我要执行的操作，但是速度很慢。我如何才能尽可能有效地做到这一点？ (理想情况下根本不拆分数据帧)。

base <- data.frame(group = 1:1000, a = sample(1000), b = sample(1000))
df <- data.frame(
  base[rep(seq_len(nrow(base)), length = 1e6), ],
  c = runif(1e6),
  d = runif(1e6)
)


is.constant <- function(x) length(unique(x)) == 1
constant_cols <- function(x) head(Filter(is.constant, x), 1)
system.time(constant <- ddply(df, "group", constant_cols))
#   user  system elapsed
# 20.531   1.670  22.378
stopifnot(identical(names(constant), c("group", "a", "b")))
stopifnot(nrow(constant) == 1000)

在我的实际用例(深入ggplot2内)中，可能有任意数量的常数和非常数列。该示例中的数据大小约为正确的数量级。

最佳答案

(编辑为可能解决具有相同值的连续组的问题)

我正在尝试提交此答案，但我还没有完全说服自己，它可以在所有情况下在组常量列中正确识别。但这绝对更快(并且可能会得到改进):

constant_cols1 <- function(df,grp){
    df <- df[order(df[,grp]),]

    #Adjust values based on max diff in data
    rle_group <- rle(df[,grp])
    vec <- rep(rep(c(0,ceiling(diff(range(df)))),
               length.out = length(rle_group$lengths)),
               times = rle_group$lengths)
    m <- matrix(vec,nrow = length(vec),ncol = ncol(df)-1)
    df_new <- df
    df_new[,-1] <- df[,-1] + m

    rles <- lapply(df_new,FUN = rle)
    nms <- names(rles)
    tmp <- sapply(rles[nms != grp],
                  FUN = function(x){identical(x$lengths,rles[[grp]]$lengths)})
    return(tmp)
}

我的基本想法显然是使用rle。

关于r - 在data.frame中有效地定位逐组常量列，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/8647006/