R中data.table查找值的上一次出现并获取对立列值如何实现

首先构造你提供的示例数据（修正原structure中行数不匹配的问题）：

library(data.table)
dt <- data.table(
  stim1 = c(2L, 1L, 2L, 1L, 3L),
  stim2 = c(3L, 3L, 1L, 2L, 1L)
)

实现思路 #

由于每一行的计算依赖之前所有行的结果，我们维护一个全局的缓存向量，记录每个刺激值最后一次出现时对应的另一列值，遍历每一行时先查询缓存赋值Prev1、Prev2，再更新缓存，时间复杂度为O(n)，是最高效的实现方式。

实现代码 #

# 初始化缓存，键是刺激值，值是对应另一列的最新值
cache <- c()
# 逐行处理
for (i in 1:nrow(dt)) {
  s1 <- dt$stim1[i]
  s2 <- dt$stim2[i]
  # 赋值Prev1和Prev2，不存在则返回NA
  dt$Prev1[i] <- ifelse(as.character(s1) %in% names(cache), cache[as.character(s1)], NA)
  dt$Prev2[i] <- ifelse(as.character(s2) %in% names(cache), cache[as.character(s2)], NA)
  # 更新缓存：当前行s1对应的另一列是s2，s2对应的另一列是s1
  cache[as.character(s1)] <- s2
  cache[as.character(s2)] <- s1
}

输出结果 #

运行后dt的结果完全符合预期：

stim1 stim2 Prev1 Prev2
1:     2     3    NA    NA
2:     1     3    NA     2
3:     2     1     3     3
4:     1     2     2     1
5:     3     1     1     2

如果需要处理百万级以上的大表，可以把循环逻辑改成Rcpp实现，速度会进一步提升，普通规模的数据上述方案已经足够高效。

内容的提问来源于stack exchange，提问作者user15791858