使用Tidyverse对Tibble中指定回溯窗口内的数值分组排名

问题描述 #

现有如下Tibble数据：

set.seed(123)

tib <- tibble(
  target = c(rep(1, 20), rep(2, 20)),
  session = rep(1:20, 2),
  value = runif(n = 40, min = 40, max = 100)
)

需求：按target分组，对每个session对应的value，基于**其之前10个session（含当前）**的数值进行排名（例如第15个session的数值，需在第5-15个session的数值范围内排名；若session不足10个，则取从第1个到当前session的范围）。尝试过row_number()等排名函数，但无法设置回溯窗口，需要用Tidyverse工具实现。

解决方案 #

方法一：使用slider包（推荐，高效） #

slider是Tidyverse生态中专门处理滑动窗口操作的工具包，适配此类场景。

首先加载依赖包：

library(tidyverse)
library(slider)

实现代码：

tib_ranked <- tib %>%
  # 按target分组
  group_by(target) %>%
  # 确保组内session按顺序排列
  arrange(session, .by_group = TRUE) %>%
  # 计算滑动窗口内的排名
  mutate(
    window_rank = slide_index_rank(
      x = value,          # 待排名的数值列
      i = session,        # 作为窗口索引的列
      .before = 9,        # 取当前session之前的9个元素，加当前共10个
      .complete = FALSE   # 允许窗口不足10个的情况（前9个session）
    )
  ) %>%
  ungroup()

方法二：纯dplyr实现（无需额外包，适合小数据集） #

如果不想加载额外包，可以用rowwise()结合slice()实现，不过效率较低，仅推荐小数据集使用：

tib_ranked_alt <- tib %>%
  group_by(target) %>%
  arrange(session, .by_group = TRUE) %>%
  rowwise() %>%
  mutate(
    # 确定窗口范围：从当前行往前9行（最少第1行）到当前行
    window_values = list(slice(cur_data(), max(1, row_number()-9):row_number())$value),
    # 计算当前value在窗口内的排名
    window_rank = rank(value, data = window_values)
  ) %>%
  ungroup() %>%
  # 可选：移除临时列window_values
  select(-window_values)

结果验证 #

可以筛选某一target的结果查看，比如target=1的前15条数据：

tib_ranked %>% filter(target == 1) %>% select(session, value, window_rank)

输出会显示每个session的value在对应滑动窗口内的排名，符合需求。

内容的提问来源于stack exchange，提问作者Zachary Morford