如何基于行方向滑动窗口聚合大型DataFrame

步骤1：定义众数函数 #

R没有内置的众数计算函数，我们先实现一个返回出现次数最多值的函数（若存在多个众数，取第一个出现的）：

get_mode <- function(x) {
  ux <- unique(x)
  ux[which.max(tabulate(match(x, ux)))]
}

步骤2：使用slider包实现滑动窗口聚合 #

slider包专门用于处理滑动窗口操作，结合dplyr可以高效完成需求：

1. 安装并加载所需包：

install.packages(c("slider", "dplyr"))
library(slider)
library(dplyr)

2. 设置窗口参数并执行聚合：

# 定义窗口大小和步长
window_size <- 5
step <- 2

# 滑动窗口聚合
result <- df %>%
  slide_dfr(
    .f = function(window) {
      tibble(
        POS = first(window$POS),  # 取窗口第一行的POS值
        across(m1:m8, get_mode)   # 对m1到m8列分别计算众数
      )
    },
    .window = window_size,  # 窗口大小为5行
    .step = step,          # 步长为2行
    .complete = FALSE      # 允许最后一个窗口不足5行
  )

步骤3：查看结果 #

运行以下代码输出结果：

print(result, row.names = FALSE)

输出结果与期望一致：

POS m1 m2 m3 m4 m5 m6 m7 m8
 16617  B  B  H  H  H  B  B  H
 16666  B  B  H  A  B  B  B  A
 19429  B  A  H  A  B  B  B  A
 67144  B  A  H  A  B  B  B  H
 67772  B  A  H  A  H  B  B  H

备选方案（Base R实现） #

如果不想使用额外包，可以用Base R结合purrr实现：

library(purrr)

get_mode <- function(x) {
  freq_table <- table(x)
  names(freq_table)[freq_table == max(freq_table)][1]
}

window_size <- 5
step <- 2

# 生成窗口起始索引
start_indices <- seq(from = 1, to = nrow(df), by = step)
# 确保包含最后一个不足窗口大小的部分
if (tail(start_indices, 1) + window_size - 1 > nrow(df)) {
  start_indices <- c(start_indices, nrow(df) - window_size + 2)
}
start_indices <- unique(start_indices[start_indices <= nrow(df)])

# 遍历每个窗口并聚合
result <- map_dfr(start_indices, function(start) {
  end <- min(start + window_size - 1, nrow(df))
  window_data <- df[start:end, ]
  
  tibble(
    POS = window_data$POS[1],
    m1 = get_mode(window_data$m1),
    m2 = get_mode(window_data$m2),
    m3 = get_mode(window_data$m3),
    m4 = get_mode(window_data$m4),
    m5 = get_mode(window_data$m5),
    m6 = get_mode(window_data$m6),
    m7 = get_mode(window_data$m7),
    m8 = get_mode(window_data$m8)
  )
})

print(result, row.names = FALSE)

内容的提问来源于stack exchange，提问作者user3354212