последовательность путем уменьшения data.table

Question

require(data.table)    
set.seed(333)
t <- data.table(old=1002:2001, dif=sample(1:10,1000, replace=TRUE))
t$new <- t$old + t$dif; t$foo <- rnorm(1000); t$dif <- NULL
i <- data.table(id=1:3, start=sample(1000:1990,3))


> i
   id start
1:  1  1002
2:  2  1744
3:  3  1656

> head(t)
    old  new        foo
1: 1002 1007 -0.7889534
2: 1003 1004  0.3901869
3: 1004 1014  0.7907947
4: 1005 1011  2.0964612
5: 1006 1007  1.1834171
6: 1007 1015  1.1397910

Я хотел бы удалить временные точки из points так, чтобы только те строки остались там, где new[i] = old[i-1], давая непрерывную последовательность некоторого фиксированного количества временных точек. В идеале это должно быть сделано для всех id в i одновременно, где start дает начальные точки. Например, если мы выберем n=5, мы должны получить

> head(ans)
    id old  new        foo
1:   1 1002 1007 -0.7889534
2:   1 1007 1015  1.1397910
3:   1 1015 1022 -1.2193670
4:   1 1022 1024  1.2039050
5:   1 1024 1026  0.4388586
6:   2 1744 1750 -0.1368320

, где строки с 3 по 6 не могут быть выведены выше, а foo обозначает другие переменные, которые необходимо сохранить.

Может ли это быть эффективно сделано в data.table, например, с использованием умной комбинации соединений?

PS. Этот вопрос чем-то похож на мой предыдущий , но я изменил ситуацию, чтобы сделать ее более понятной.

Answer 1

Мне кажется, что вам нужна помощь из графовых алгоритмов. Если вы хотите начать с 1002, вы можете попробовать:

require(igraph)
g <- graph_from_edgelist(as.matrix(t[,1:2]))
t[old %in% subcomponent(g,"1002","out")]
#  1: 1002 1007 -0.78895338
#  2: 1007 1015  1.13979100
#  3: 1015 1022 -1.21936662
#  4: 1022 1024  1.20390482
#  5: 1024 1026  0.43885860
# ---                      
#191: 1981 1988 -0.22054875
#192: 1988 1989 -0.22812175
#193: 1989 1995 -0.04687776
#194: 1995 2000  2.41349730
#195: 2000 2002 -1.23425666

Конечно, вы можете сделать выше для каждой start вы хотите и ограничив результаты для первых n строк. Например, мы можем lapply над позициями i$start, а затем rbindlist всеми значениями вместе, объявив столбец id со значениями i$id. Что-то вроде:

n <- 5
rbindlist(
    setNames(lapply(i$start, function(x) t[old %in% subcomponent(g,x,"out")[1:n]]), i$id),
    idcol="id")
#    id  old  new        foo
# 1:  1 1002 1007 -0.7889534
# 2:  1 1007 1015  1.1397910
# 3:  1 1015 1022 -1.2193666
# 4:  1 1022 1024  1.2039048
# 5:  1 1024 1026  0.4388586
# 6:  2 1744 1750 -0.1368320
# 7:  2 1750 1758  0.3331686
# 8:  2 1758 1763  1.3040357
# 9:  2 1763 1767 -1.1715528
#10:  2 1767 1775  0.2841251
#11:  3 1656 1659 -0.1556208
#12:  3 1659 1663  0.1663042
#13:  3 1663 1669  0.3781835
#14:  3 1669 1670  0.2760948
#15:  3 1670 1675  0.3745026