R 基于特定条件的累积总和

这是我的数据框：

       X   Y  Date   Qty  CumSumA  CumSumB
    1  A   B   1/1     1        1        0
    2  A   A   1/1     2        3        2
    3  A   E   1/1     2        5        2
    4  B   A   1/1     1        1        1
    5  B   B   1/1     3        4        4
    6  B   C   1/1     2        6        4
    7  C   D   1/1     2        2        2
    8  C   E   1/1     4        6        2
    9  C   A   1/1     1        7        2
   10  A   C   1/2     2        2        0
   11  A   D   1/2     3        5        0
   12  A   E   1/2     2        7        0
   13  B   A   1/2     5        5        0
   14  B   B   1/2     1        6        1
   15  B   C   1/2     2        8        1
   16  C   D   1/2     2        2        4
   17  C   E   1/2     1        1        4
   18  C   A   1/2     3        4        4

我得到了CumSumA专栏

library(dplyr)
data <- data %>% 
        group_by(Date,X) %>% 
        mutate(CumSumA= cumsum(Qty)) 

库（dplyr）
数据%
分组依据（日期，X）%>%
变异（累积量=累积量（数量））

如何获取CumSumB列，使其成为上面具有（a）相同

Date

值和（b）列

Y

中相同行

X

值的所有行的

Qty

的累计和

例如，第16行有

X

值C和

Date

值1/2。我想得到

Y

值为C且

Date

值为1/2的所有行的

Qty

的累计总和。这将是第10行加15行，所以CumSumB是2+2=4

---

注意：X列和Y列有140多个唯一变量。

此解决方案基于

数据。表

和带有

allow.cartesian=TRUE的联接

require(data.table)
setDT(DT)

创建一个基本的

data.table

，其

X

列将在后面使用

DT_X <- DT[,.(X,Y, Date, indx = .I)]
setkey(DT_X, Date, X)

如果

X=Y

（使用

allow.cartesian=TRUE

）连接数据。如果您有兴趣，请查看

DT_join

。明白为什么这是一个连接吗

DT_join <- DT_X[DT, allow.cartesian=TRUE]

这里是一个基于dplyr的答案，使用与@0相同的逻辑。这将趋于缓慢，因为您有更多的组

首先，我将行号作为列添加到原始数据集中。将使用此方法为每个唯一行计算

CumSumB

library(dplyr)

dat = dat %>% mutate(row = row_number())

然后我将数据集连接到自身，将

X

连接到

Y

并按

Date

连接。为了避免许多添加了后缀的重复列，我只为联接的

x

数据集选择了一些列（即

left\u联接的第一个数据集）

我故意在两个数据集中保留了变量
row
，因此我最终得到了一个名为
row.x
的变量，该变量表示每个
x
值的原始行号，以及一个名为
row.y
的变量，该变量表示每个
y
值的原始行号

dat %>% 
    left_join(select(dat, X, Date, Y, row), ., by  = c("X" = "Y", "Date" = "Date"))

完成后，数据集只需按
row.x
分组，并在
row.x
小于或等于
row.y
的条件下计算
Qty
之和

dat %>% 
    left_join(select(dat, X, Date, Y, row), ., by  = c("X" = "Y", "Date" = "Date")) %>%
    group_by(row.x) %>%
    summarise(CumSumB = sum(Qty[row.y <= row.x]))

非常好，可能也添加了一些解释+1干得好！我喜欢你按
row.x
分组的想法，因为这比我按
x，Y
和
Date
分组要短且容易。
library(dplyr)

dat = dat %>% mutate(row = row_number())

dat %>% 
    left_join(select(dat, X, Date, Y, row), ., by  = c("X" = "Y", "Date" = "Date"))

dat %>% 
    left_join(select(dat, X, Date, Y, row), ., by  = c("X" = "Y", "Date" = "Date")) %>%
    group_by(row.x) %>%
    summarise(CumSumB = sum(Qty[row.y <= row.x]))

dat %>% 
    left_join(select(dat, X, Date, Y, row), ., by  = c("X" = "Y", "Date" = "Date")) %>%
    group_by(row.x) %>%
    summarise(CumSumB = sum(Qty[row.y <= row.x])) %>%
    left_join(dat, ., by = c("row" = "row.x"))

   X Y Date Qty CumSumA CumSumB.x row CumSumB.y
1  A B  1/1   1       1         0   1         0
2  A A  1/1   2       3         2   2         2
3  A E  1/1   2       5         2   3         2
4  B A  1/1   1       1         1   4         1
5  B B  1/1   3       4         4   5         4
6  B C  1/1   2       6         4   6         4
7  C D  1/1   2       2         2   7         2
8  C E  1/1   4       6         2   8         2
9  C A  1/1   1       7         2   9         2
10 A C  1/2   2       2         0  10         0
11 A D  1/2   3       5         0  11         0
12 A E  1/2   2       7         0  12         0
13 B A  1/2   5       5         0  13         0
14 B B  1/2   1       6         1  14         1
15 B C  1/2   2       8         1  15         1
16 C D  1/2   2       2         4  16         4
17 C E  1/2   1       1         4  17         4
18 C A  1/2   3       4         4  18         4