假设我有一个data.table，其中每行由两个向量组成：
- 一个"预减法"向量
- "减法后"矢量
前减法是最左边的半列，后减法是最右边的列，末尾后缀为"prm"。
例如：
#Sample Data
set.seed(2)
fill = data.table(n=1:7)
Tp=3
for(t in 1:Tp){
set(x = fill, j = paste0('v',t), value = sample(0:10,7))
}
fill[1,paste0('v',3):=0]
fill[5,paste0('v',2):=0]
fill[5,paste0('v',3):=0]
for(t in 1:Tp){
fill[,paste0('v',t,'prm'):=get(paste0('v',t))]
}
fill[1,paste0('v',1,'prm'):=0]
fill[2,paste0('v',2,'prm'):=1]
fill[5,paste0('v',3,'prm'):=1]
fill[7,paste0('v',3,'prm'):=2]
数据：
> fill
n v1 v2 v3 v1prm v2prm v3prm
1: 1 2 9 0 0 9 0
2: 2 7 4 8 7 1 8
3: 3 5 10 9 5 10 9
4: 4 1 8 1 1 8 1
5: 5 6 0 0 6 0 1
6: 6 8 7 0 8 7 0
7: 7 0 0 6 0 0 2
LIFO矢量在影响更多左侧元素之前，必须按元素向右减少。第一行VIOLATES LIFO，因为
(2, 9, 0) --> (0, 9, 0)应该已经从最左边单元上的2之前的9中减去2。
我希望子集仅包括具有"prm"列的行，作为非prm列的LIFO减法。例如
n v1 v2 v3 v1prm v2prm v3prm
1: 3 5 10 9 5 10 9
2: 4 1 8 1 1 8 1
3: 6 8 7 0 8 7 0
4: 7 0 0 6 0 0 2
编辑：
后进先出法(后进先出)和先进先出法是区分某些元素优先级的减法方法。
考虑一个数字向量，(a，b，c)。将"c"视为最近的，将"a"视为最不最近的。
这个向量中的单位总数是a+b+c。
如果我们从中减去d个单位，在LIFO或FIFO减法下，我们不会从每个元素中减去d，相反，我们从最新(LIFO)或最不新(FIFO)中逐元素减去它，直到它耗尽(最小值为0)。
例如
LIFO:(3,2,1)-5=(3,2,1-5)-->(3,2-4，0)-->(3-2,0,0)-->(1,0,0)
FIFO:(3,2,1)-5=(3-5,2,1)-->(0,2-2,1)-->(0,1)
以下是一种可能的方法，可以在筛选具有lifo向量的行之前先计算lifo向量：
#convert into long format from MichaelChirico and svenkatesh
tbl <- melt(fill, meas=patterns("^v[1-9]$", "prm$"),
value.name=c("bef","aft"))
setorder(tbl, n, -variable)
#filter for those lifo vector
fill[n %in%
tbl[, {
#calculate stock taken out
dif <- sum(bef) - sum(aft)
#calculate lifo vector
lifo <- pmin(pmax(cumsum(bef) - dif, 0L), bef)
#check if after is this lifo vector
identical(lifo, aft)
}, by=.(n)][(V1), n]
]
输出：
n v1 v2 v3 v1prm v2prm v3prm
1: 3 5 10 9 5 10 9
2: 4 1 8 1 1 8 1
3: 6 8 7 0 8 7 0
4: 7 0 0 6 0 0 2
数据：
library(data.table)
fill <- structure(list(n = 1:7, v1 = c(2L, 7L, 5L, 1L, 6L, 8L, 0L), v2 = c(9L,
4L, 10L, 8L, 0L, 7L, 0L), v3 = c(0L, 8L, 9L, 1L, 0L, 0L, 6L),
v1prm = c(0L, 7L, 5L, 1L, 6L, 8L, 0L), v2prm = c(9L, 1L,
10L, 8L, 0L, 7L, 0L), v3prm = c(0L, 8L, 9L, 1L, 1L, 0L, 2L
)), row.names = c(NA, -7L), class = c("data.table", "data.frame"
))
在评论中重申@chinsoon12和@MichaelChirico的方法：
这里是fill:
n prod1vint1 prod1vint2 prod1vint3 prod1vint1prm prod1vint2prm prod1vint3prm
1: 1 2 9 0 0 9 0
2: 2 7 4 8 7 1 8
3: 3 5 10 9 5 10 9
4: 4 1 8 1 1 8 1
5: 5 6 0 0 6 0 1
6: 6 8 7 0 8 7 0
7: 7 0 0 6 0 0 2
# Melt so that the data from the "prm" columns are different from the "prod" columns
d = melt(fill, measure.vars = patterns("int[1-9]$", "prm$"))
# Subtract the vectors and check whether the difference is increasing (LIFO condition)
s = d[, !is.unsorted(value1 - value2), by=.(n)]
# Select the rows that satisfy the LIFO condition
output = fill[n %in% d[, s[(V1), n]], ]
这是输出：
n prod1vint1 prod1vint2 prod1vint3 prod1vint1prm prod1vint2prm prod1vint3prm
1: 3 5 10 9 5 10 9
2: 4 1 8 1 1 8 1
3: 6 8 7 0 8 7 0
4: 7 0 0 6 0 0 2