R语言数据框如何按分组对同一列高效执行运算计算保留率

按分组匹配时间点0的初始亮度逐行计算保留率时，手写for循环因为逐行操作触发频繁内存拷贝，大样本下效率极低，用R原生的分组向量化方案即可大幅提速，百万行级数据可做到毫秒级返回结果。

首先构造和示例一致的测试数据：

df <- data.frame(
  Group = c("A", "A", "A", "B", "B", "B"),
  Time = c(0, 50, 100, 0, 50, 100),
  Brightness = c(100, 70, 20, 90, 80, 50)
)

方案1：data.table 实现（推荐大数据量场景使用） #

data.table是R语言中处理大表性能最高的扩展包，全程按引用修改数据，无多余内存开销，千万行级数据也能快速出结果：

# 加载包并转换数据格式
library(data.table)
setDT(df)

# 按Group分组计算保留率，[1]用于兼容单组内有多条Time=0记录的场景，取第一条0点值为基准
df[, Retention := Brightness / Brightness[Time == 0][1], by = Group]

# 按示例规则，将Time=0行的保留率设为NA
df[Time == 0, Retention := NA]

计算结果和给出的示例完全匹配。

方案2：dplyr 实现（语法易读，适合常规数据量） #

如果平时习惯用tidyverse生态的语法，dplyr的分组变形效率也远高于手写循环：

library(dplyr)

df <- df %>%
  group_by(Group) %>%
  mutate(
    # 同样兼容单组多条0点记录的场景
    Retention = Brightness / Brightness[Time == 0][1],
    # 0点值设为NA
    Retention = ifelse(Time == 0, NA, Retention)
  ) %>%
  ungroup()

注意事项 #

如果数据里存在分组缺失Time=0记录的情况，计算前建议先做异常组筛查，避免出现除以缺失值的异常结果。

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