Оптимизация/альтернатива ddply, преобразования и na.omit

Question

У меня следующая ситуация:

library(TTR) 
library(scales) 
library(dplyr) 
library(tidyr) 

#prepare data 
df = data.frame(X=seq.int(100000), high = runif(100000, 1, 100), low = runif(100000, 1, 100), close = runif(100000, 1, 100)) 

#some calculation 
df$cci14 = rescale(CCI(df[,c('high','low','close')], n=14, maType=SMA), to=c(0,100), from=c(-100,100)) 

#filtering 
df$select = df$cci14 >=100 | lag(df$cci14)>=100 | lead(df$cci14)>=100 | df$cci14 <=0 | lag(df$cci14)<=0 | lead(df$cci14)<=0 


ff = df %>% filter(select) %>% group_by(group1 = cumsum(c(1, diff(X) != 1))) %>% dplyr::mutate(len = NA) %>% dplyr::mutate(Y = seq(n())) %>% spread(Y, cci14) %>% ungroup() 

#sync column values high,low,close 
ff = (ff %>% group_by(group1) %>% mutate(X=first(X)) %>% mutate(high=max(high)) %>% mutate(low=min(low)) %>% mutate(close=last(close)) ) 

library(plyr) # have to detach afterward, without this, ddply runs with unexpected result 

#this one very slow, any alternative? 
ff %>% group_by(group1) 
    %>% ddply(.(group1), transform, `1`=na.omit(`1`)[1]) 
    %>% ddply(.(group1), transform, X2=na.omit(X2)[1]) 
    %>% ddply(.(group1), transform, X3=na.omit(X3)[1]) 
    %>% ddply(.(group1), transform, X4=na.omit(X4)[1]) 
    %>% ddply(.(group1), transform, X5=na.omit(X5)[1]) 
    %>% ddply(.(group1), transform, X6=na.omit(X6)[1]) 
    %>% ddply(.(group1), transform, X7=na.omit(X7)[1]) 
    %>% ddply(.(group1), transform, X8=na.omit(X8)[1]) 
    %>% ddply(.(group1), transform, X9=na.omit(X9)[1]) 
    %>% ddply(.(group1), transform, X10=na.omit(X10)[1]) 
    %>% ddply(.(group1), transform, X11=na.omit(X11)[1]) 
    %>% ddply(.(group1), transform, X12=na.omit(X12)[1]) 
    %>% ddply(.(group1), transform, X13=na.omit(X13)[1]) 
    %>% ddply(.(group1), transform, X14=na.omit(X14)[1]) 
    %>% ddply(.(group1), transform, X15=na.omit(X15)[1]) 
    %>% ddply(.(group1), transform, X16=na.omit(X16)[1]) 
... 
and more column depends on data frame. 

Последняя часть, ddply работает очень медленно, особенно с большим количеством столбцов генерироваться.

Вопрос, любые другие варианты/рекомендации по его оптимизации? и как применять все столбцы хвоста?

Answer 1

Просто найти, но с использованием библиотеки (data.table)

setDT(ff)[, lapply(.SD, na.omit) , by = group1] 

Answer 2

Другой вариант dplyr

library(dplyr) 
ff %>% 
    group_by(group1) %>% 
    mutate_each(funs(na.omit))