财务数据-R数据表-按条件分组
给出以下财务数据-R数据表-按条件分组,r,data.table,grouping,self-join,R,Data.table,Grouping,Self Join,给出以下数据。带有财务数据的表： userId systemBankId accountId valueDate quantity description 871 0065 6422 2013-02-28 -52400 AMORTIZACION PRESTAMO 871 0065 6422 2013-03-28 -52400 AMORTIZACION PRE
数据。带有财务数据的表userId systemBankId accountId valueDate quantity description
871 0065 6422 2013-02-28 -52400 AMORTIZACION PRESTAMO
871 0065 6422 2013-03-28 -52400 AMORTIZACION PRESTAMO
871 0065 6422 2013-04-01 -3000000 AMORTIZACION PRESTAMO
871 0065 6422 2013-04-30 -52349 AMORTIZACION PRESTAMO
871 0065 6422 2013-05-31 -52349 AMORTIZACION PRESTAMO
871 0065 6422 2013-06-28 -52349 AMORTIZACION PRESTAMO
871 0065 6422 2013-07-30 -52349 AMORTIZACION PRESTAMO
871 0065 6422 2013-08-30 -52349 AMORTIZACION PRESTAMO
871 0065 6422 2013-09-30 -52349 AMORTIZACION PRESTAMO
871 0065 6422 2013-10-30 -52349 AMORTIZACION PRESTAMO
871 0065 6422 2013-11-29 -52349 AMORTIZACION PRESTAMO
871 0065 6422 2013-12-30 -52349 AMORTIZACION PRESTAMO
871 0065 6422 2014-01-30 -52349 AMORTIZACION PRESTAMO
871 0065 6422 2014-02-28 -52349 AMORTIZACION PRESTAMO
871 0065 6422 2014-03-31 -52349 AMORTIZACION PRESTAMO
871 0065 6422 2014-04-30 -52349 AMORTIZACION PRESTAMO
871 0065 6422 2014-05-30 -52349 AMORTIZACION PRESTAMO
871 0065 6422 2014-06-30 -52349 AMORTIZACION PRESTAMO
871 0065 6422 2014-07-30 -52349 AMORTIZACION PRESTAMO
871 0065 6422 2014-08-29 -52349 AMORTIZACION PRESTAMO
871 0065 6422 2014-09-30 -52349 AMORTIZACION PRESTAMO
871 0065 6422 2014-10-30 -52349 AMORTIZACION PRESTAMO
871 0065 6422 2014-11-28 -52349 AMORTIZACION PRESTAMO
userIdsystemBankIdaccountId数量进行分组：
dt[userId==871L,.N,by=.(userId,systemBankId,accountId,quantity)]
结果如下：
userId systemBankId accountId quantity N
871 0065 6422 -52400 3
871 0065 6422 -3000000 1
871 0065 6422 -52349 20
但是，第一笔和第三笔是同一笔交易：抵押付款，第二笔是贷款
我想按以下方式分组：
userId systemBankId accountId quantity N
871 0065 6422 -XXXXX 23
871 0065 6422 -3000000 1
因此，您可以看到，在24个月内，该用户有23笔抵押交易和1笔贷款交易付款
问题是：有没有一种简单的方法可以做到这一点？（即）：
对于介于[-20%，20%]之间的付款，视为相等
提前谢谢你
致以最良好的祝愿
要获取上述数据的数据帧，请执行以下操作：
structure(list(userId = c(871L, 871L, 871L, 871L, 871L, 871L,
871L, 871L, 871L, 871L, 871L, 871L, 871L, 871L, 871L, 871L, 871L,
871L, 871L, 871L, 871L, 871L, 871L), systemBankId = c(65L, 65L,
65L, 65L, 65L, 65L, 65L, 65L, 65L, 65L, 65L, 65L, 65L, 65L, 65L,
65L, 65L, 65L, 65L, 65L, 65L, 65L, 65L), accountId = c(6422L,
6422L, 6422L, 6422L, 6422L, 6422L, 6422L, 6422L, 6422L, 6422L,
6422L, 6422L, 6422L, 6422L, 6422L, 6422L, 6422L, 6422L, 6422L,
6422L, 6422L, 6422L, 6422L), valueDate = structure(c(2L, 4L,
1L, 10L, 23L, 5L, 14L, 16L, 17L, 19L, 8L, 21L, 9L, 3L, 22L, 11L,
12L, 13L, 15L, 7L, 18L, 20L, 6L), .Label = c("01/04/2013", "28/02/2013",
"28/02/2014", "28/03/2013", "28/06/2013", "28/11/2014", "29/08/2014",
"29/11/2013", "30/01/2014", "30/04/2013", "30/04/2014", "30/05/2014",
"30/06/2014", "30/07/2013", "30/07/2014", "30/08/2013", "30/09/2013",
"30/09/2014", "30/10/2013", "30/10/2014", "30/12/2013", "31/03/2014",
"31/05/2013"), class = "factor"), quantity = c(-52400L, -52400L,
-3000000L, -52349L, -52349L, -52349L, -52349L, -52349L, -52349L,
-52349L, -52349L, -52349L, -52349L, -52349L, -52349L, -52349L,
-52349L, -52349L, -52349L, -52349L, -52349L, -52349L, -52349L
), description = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = "AMORTIZACION PRESTAMO", class = "factor")), .Names = c("userId",
"systemBankId", "accountId", "valueDate", "quantity", "description"
), class = "data.frame", row.names = c(NA, -23L))
U p D A T E
最后一步是在原始数据集中标记抵押付款和贷款付款的交易
根据我的回答：
a） 标准：在24个月的时间段内，如果有20个或更多按用户ID、系统银行ID、帐户ID、数量（-20%，20%）计算的经常性交易，则为抵押付款：
tmp <- dt[userId==871L,.N,by=.(userId,systemBankId,accountId,round(quantity * 5, -floor(log10(abs(quantity))))/5)][N>20,list(userId,systemBankId,accountId,round,N)]
userId systemBankId accountId round N
871 0065 6422 -52000 23
tmp 20，列表（userId，systemBankId，accountId，round，N）]
userId systemBankId accountId第N轮
871 0065 6422 -52000 23
我知道有23笔抵押贷款交易
b） 我需要确定这23项交易：
tmp2 <- dt[userId==871L,list(userId,systemBankId,accountId,round=round(quantity * 5, -floor(log10(abs(quantity))))/5)]
merge(tmp,tmp2,by=c('userId','systemBankId','accountId','round'))
userId systemBankId accountId round N
871 0065 6422 -52000 23
871 0065 6422 -52000 23
871 0065 6422 -52000 23
871 0065 6422 -52000 23
871 0065 6422 -52000 23
871 0065 6422 -52000 23
871 0065 6422 -52000 23
871 0065 6422 -52000 23
871 0065 6422 -52000 23
871 0065 6422 -52000 23
871 0065 6422 -52000 23
871 0065 6422 -52000 23
871 0065 6422 -52000 23
871 0065 6422 -52000 23
871 0065 6422 -52000 23
871 0065 6422 -52000 23
871 0065 6422 -52000 23
871 0065 6422 -52000 23
871 0065 6422 -52000 23
871 0065 6422 -52000 23
871 0065 6422 -52000 23
871 0065 6422 -52000 23
871 0065 6422 -52000 23
userId systemBankId accountId round N
tmp2这里有一个关于dplyr的快速破解：
library(dplyr)
setDF(dt) %>% mutate(quantity = round(quantity/10000, 0)) %>%
group_by(userId, systemBankId, accountId, quantity) %>% tally()
其中：
#Source: local data frame [2 x 5]
#Groups: userId, systemBankId, accountId
#
# userId systemBankId accountId quantity n
#1 871 65 6422 -300 1
#2 871 65 6422 -5 22
编辑
正如大卫在评论中提到的，这个答案过于简单化了。更为一致的方法类似于罗兰的建议：
library(dplyr)
setDF(dt) %>%
mutate(quantity = round(quantity * 5, -floor(log10(abs(quantity))))/5) %>%
group_by(userId, systemBankId, accountId, quantity) %>% tally()
或使用数据。表
：
dt[userId == 871L, .N, by = .(userId, systemBankId, accountId, quantity = round(quantity * 5, -floor(log10(abs(quantity))))/5)]
这里有一个由@dnlbrky创建的聪明函数：
#创建一个函数以返回前面的行
rowShift可能是沿着这些线的smth：
dt[, round.qty := quantity[1] * round(quantity/quantity[1]), by = .(userId, systemBankId, accountId)]
dt[, .N, by = .(userId, systemBankId, accountId, round.qty)]
# userId systemBankId accountId round.qty N
#1: 871 65 6422 -52400 22
#2: 871 65 6422 -2986800 1
在您的示例中，您只有2个-52400
quantity，而不是3个。类似于DT[userId==871L.N，by=（userId，systemBankId，accountId，quantity=round（quantity*5，-floor（log10（abs（quantity）））/5）]
？@Roland您应该将其作为一个答案发布。不确定为什么不能将OPs代码稍微修改为DT[userId==871L，.N，by=（userId，systemBankId，accountId，quantity=round（quantity/10000，0））
，为什么dplyr
？如果[-20%，20%]
被认为是相等的，那么这个答案在概念上也是错误的，因为你假设morgatge的付款是10000。试试dt[，quantity:=quantity*100]
然后再次运行代码，看看会发生什么。
#Create a function to return previous rows
rowShift <- function(x, shiftLen = 1L) {
r <- (1L + shiftLen):(length(x) + shiftLen)
r[r<1] <- NA
return(x[r])
}
dt$prev_qty_low <-rowShift(dt$quantity,-1) * .8
dt$prev_qty_high <-rowShift(dt$quantity,-1) * 1.2
dt[, round.qty := quantity[1] * round(quantity/quantity[1]), by = .(userId, systemBankId, accountId)]
dt[, .N, by = .(userId, systemBankId, accountId, round.qty)]
# userId systemBankId accountId round.qty N
#1: 871 65 6422 -52400 22
#2: 871 65 6422 -2986800 1