R 基于过滤条件提取原始数据

这是我的交易数据：

id          from_id        to_id      amount    date_trx
<fctr>      <fctr>         <fctr>     <dbl>     <date>
0           7468           5695       700.0     2005-01-04
1           6213           9379       11832.0   2005-01-08
2           7517           8170       1000.0    2005-01-10
3           6143           9845       4276.0    2005-01-12
4           6254           9640       200.0     2005-01-14
5           6669           5815       200.0     2005-01-20
6           6934           8583       49752.0   2005-01-24
7           9240           8314       19961.0   2005-01-26
8           6374           8865       1000.0    2005-01-30
9           6143           6530       13.4      2005-01-31
...

我所做的是每周对数据进行排序，这样我就可以看到每个账户每周的交易总额，然后得到仅高于某个值的数据，在我的例子中，该值为1000

我得到了以下信息：

date_trx    from_id amount
<date>      <fctr>  <dbl>
2005-01-02  5773    7174.0      
2005-01-02  6213    12032.0     
2005-01-02  6375    3742.0      
2005-01-02  6510    5698.0      
2005-01-02  6727    5923.0      
2005-01-02  7047    1100.0      
2005-01-02  7207    1100.0      
2005-01-02  9440    1100.0      
2005-01-02  9493    4201.0      
2005-01-09  5997    5209.0
...

date\u trx from\u id金额
2005-01-02  5773    7174.0      
2005-01-02  6213    12032.0     
2005-01-02  6375    3742.0      
2005-01-02  6510    5698.0      
2005-01-02  6727    5923.0      
2005-01-02  7047    1100.0      
2005-01-02  7207    1100.0      
2005-01-02  9440    1100.0      
2005-01-02  9493    4201.0      
2005-01-09  5997    5209.0
...

现在，我想得到满足上述过滤条件的原始数据。我该怎么做？为了更清楚，让我们把5773考虑在内。我们知道，对于5773，2005-01-02年内的总交易金额为7174.0，因此该金额高于阈值1000，因此我保留该账户。但在以这种方式过滤之后，我只想提取总计为7174.0的单个事务。

这里有一种方法

添加

week\u trx

作为日期的

下限，而不是替换
date\u trx
。在汇总之前也要这样做，因为我们将使用它将数据连接回汇总

重命名为

sum\u amount

，以便我们可以轻松地将原始/单个

金额

与合计金额区分开来。（当然，我们不需要这个步骤就可以很容易地将它们区分开来，但是您会有名称

amount.x

和

amount.y

，这对我来说不太直观。）

dat%
汇总（总和金额=总和（金额））%>%
过滤器（总和>1000）%>%
解组（）
datsumm
##tibble:4 x 3
#周\u trx自\u id总和\u金额
#                
# 1 2005-01-02    6213      11832
# 2 2005-01-09    6143       4276
# 3 2005-01-23    6934      49752
# 4 2005-01-23    9240      19961
左连接（datsumm，dat，by=c（“星期trx”，“起始id”））
##A tibble:4 x 7
#周\u trx从\u id sum \u amount id到\u id amount date \u trx
#                         
# 1 2005-01-02    6213      11832     1  9379  11832 2005-01-08
# 2 2005-01-09    6143       4276     3  9845   4276 2005-01-12
# 3 2005-01-23    6934      49752     6  8583  49752 2005-01-24
# 4 2005-01-23    9240      19961     7  8314  19961 2005-01-26

在这个示例中，summary中有四行，rejoined表中有四行，但是当每个

都有一行以上来自\u id

时，您将得到更具代表性的结果。作为演示，我将从_ids调整几个

，以便有一些通用性

set.seed（4）
dat2%
变异（from_id=sample（head（from_id，3），size=n（），replace=TRUE））
DAT2%
分组依据（周trx，从id开始）%>%
汇总（总和金额=总和（金额））%>%
过滤器（总和>1000）%>%
解组（）
datsumm2
##tibble:3 x 3
#周\u trx自\u id总和\u金额
#                
# 1 2005-01-02    7468      11832
# 2 2005-01-09    7468       5276
# 3 2005-01-23    7517      69713
左连接（datsumm2，dat2，by=c（“星期trx”，“从id”））
##A tibble:5 x 7
#周\u trx从\u id sum \u amount id到\u id amount date \u trx
#                         
# 1 2005-01-02    7468      11832     1  9379  11832 2005-01-08
# 2 2005-01-09    7468       5276     2  8170   1000 2005-01-10
# 3 2005-01-09    7468       5276     3  9845   4276 2005-01-12
# 4 2005-01-23    7517      69713     6  8583  49752 2005-01-24
# 5 2005-01-23    7517      69713     7  8314  19961 2005-01-26


数据：

dat我们不需要
总结
，只需在分组后
过滤
，然后删除创建的临时列。请注意，
tidyverse
中的许多函数都可以在不创建列的情况下动态进行计算（
sum（amount）
）

library(dplyr)
library(lubridate)
data %>% 
    group_by(date_trx_week =floor_date(date_trx, "week"),from_id) %>% 
    filter(sum(amount) > 1000) %>%
    ungroup %>% 
    select(-date_trx_week)

如果您需要原始的
过滤器
ed数据，则不要
汇总
即
数据%>%group\u by（date\u trx\u week=floor\u date（date\u trx，“week”），from\u id）%%>%filter（sum（amount）>1000）%%>%ungroup%%选择（-date trx\u week）
如果输入示例显示了预期的输出，那会很有帮助。我想您得到的输出是基于整个数据的。请显示您在Input中显示的行的预期输出。您的解决方案为我提供了实际需要的输出。谢谢@akrun
library(dplyr)
library(lubridate)
data %>% 
    group_by(date_trx_week =floor_date(date_trx, "week"),from_id) %>% 
    filter(sum(amount) > 1000) %>%
    ungroup %>% 
    select(-date_trx_week)