在不同大小的窗口上滚动求和并改变组R
我在这个网站上读到了关于滚动求和的所有问答,但我无法理解大多数复杂的代码,所以我的调整技能有限。 我尝试实现了一些建议的解决方案,包括,等等,但要么出现错误,要么计算机崩溃,即使我只使用了1000行和3列。因此,很明显,我弄乱了代码 我的数据如下所示(通过dput的前50行)。数据集总计约为100000行在不同大小的窗口上滚动求和并改变组R,r,sum,data.table,dplyr,R,Sum,Data.table,Dplyr,我在这个网站上读到了关于滚动求和的所有问答,但我无法理解大多数复杂的代码,所以我的调整技能有限。 我尝试实现了一些建议的解决方案,包括,等等,但要么出现错误,要么计算机崩溃,即使我只使用了1000行和3列。因此,很明显,我弄乱了代码 我的数据如下所示(通过dput的前50行)。数据集总计约为100000行 structure(list(pnum = c("4778744", "4778744", "4778744", "4832724", "4840655", "4854
structure(list(pnum = c("4778744", "4778744", "4778744", "4832724",
"4840655", "4854957", "4952026", "4832724", "4832724", "4840655",
"4952026", "4854957", "4952026", "4979975", "5062877", "5062877",
"4979975", "4979975", "4979975", "5093287", "5148510", "5093287",
"5148510", "5093287", "5148510", "5093287", "5148510", "5093287",
"5148510", "5093287", "5148510", "5093287", "5148510", "5212120",
"5375012", "5168079", "5375012", "5212120", "5212120", "5168079",
"4811345", "4851990", "4947366", "5142672", "5317715", "4878166",
"4851990", "5142672", "5317715", "4878166", "5142672", "5317715",
"4878166", "5142672", "5317715", "4878166", "5142672", "5317715",
"4878166", "5185878", "4926323", "4926323", "4926323", "4926323",
"5185878", "4926323", "4926323", "4926323", "4926323", "4926323",
"4926323", "5129067", "5136697", "5210841", "5237700", "5237700",
"5237700", "5247644", "5805912", "5828869", "5357626", "5247644",
"5805912", "5828869", "5357626"), ID = c("03859643-1", "04488864-4",
"04560399-1", "03859643-1", "03859643-1", "03859643-1", "03859643-1",
"03901719-2", "04086089-2", "04086089-2", "04407934-2", "04488864-4",
"04952026-3", "03859643-1", "03859643-1", "03901719-2", "03912481-3",
"03940277-1", "04979975-2", "03859643-1", "03859643-1", "03864113-1",
"03864113-1", "04877300-1", "04877300-1", "04877300-3", "04877300-3",
"05040862-3", "05040862-3", "05093287-4", "05093287-4", "05093287-6",
"05093287-6", "03859643-1", "03859643-1", "03859643-1", "03870399-2",
"03901719-2", "03923529-1", "04784976-1", "03860454-2", "03860454-2",
"03860454-2", "03860454-2", "03860454-2", "03860454-2", "04761567-2",
"04870622-2", "04870622-2", "04870622-2", "04878166-2", "04878166-2",
"04878166-2", "04878166-3", "04878166-3", "04878166-3", "04878166-5",
"04878166-5", "04878166-5", "03860454-2", "03860454-2", "04610004-1",
"04734852-2", "04734852-3", "04761567-2", "04761567-2", "04777587-1",
"04835414-1", "04878166-2", "04926323-10", "04926323-5", "03860454-2",
"03860454-2", "03860454-2", "03860454-2", "05237700-2", "05237700-3",
"03860454-2", "03860454-2", "03860454-2", "03860454-2", "04731737-1",
"04731737-1", "04731737-1", "04731737-1"), Time = c(1986L, 1986L,
1986L, 1988L, 1988L, 1988L, 1988L, 1988L, 1988L, 1988L, 1988L,
1988L, 1988L, 1989L, 1989L, 1989L, 1989L, 1989L, 1989L, 1990L,
1990L, 1990L, 1990L, 1990L, 1990L, 1990L, 1990L, 1990L, 1990L,
1990L, 1990L, 1990L, 1990L, 1991L, 1991L, 1991L, 1991L, 1991L,
1991L, 1991L, 1986L, 1987L, 1987L, 1987L, 1987L, 1987L, 1987L,
1987L, 1987L, 1987L, 1987L, 1987L, 1987L, 1987L, 1987L, 1987L,
1987L, 1987L, 1987L, 1988L, 1988L, 1988L, 1988L, 1988L, 1988L,
1988L, 1988L, 1988L, 1988L, 1988L, 1988L, 1989L, 1989L, 1990L,
1990L, 1990L, 1990L, 1991L, 1991L, 1991L, 1991L, 1991L, 1991L,
1991L, 1991L)), .Names = c("pnum", "inventor", "pryear"), row.names = c(1L,
2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 10L, 11L, 12L, 13L, 14L, 15L,
16L, 17L, 18L, 19L, 20L, 21L, 22L, 23L, 24L, 25L, 26L, 27L, 28L,
29L, 30L, 31L, 32L, 33L, 34L, 35L, 36L, 37L, 38L, 39L, 40L, 325L,
326L, 327L, 328L, 329L, 330L, 331L, 332L, 333L, 334L, 335L, 336L,
337L, 338L, 339L, 340L, 341L, 342L, 343L, 344L, 345L, 346L, 347L,
348L, 349L, 350L, 351L, 352L, 353L, 354L, 355L, 356L, 357L, 358L,
359L, 360L, 361L, 362L, 363L, 364L, 365L, 366L, 367L, 368L, 369L
), class = "data.frame")
多个发明人
在一个名为pryear
的特定年份内,就一个项目pnum
进行合作。我在寻找三件事:
在@Thierry发表评论后,我更改了数据样本,以确保他指出的问题得到解决
pryear
之前的x(比如3)年内,每个发明人进行的项目数量,因此,如果当前项目的年份是1977年,我希望包括1974年至1976年进行的项目数量。如果之前没有出现,理想情况下结果为“0”。@Alex提供的答案可以用来实现第一个目标。但正如评论中所讨论的,它的效率并不高(特别是因为我的时间范围是从1952年到2010年,有50000多名发明家)这是第一个问题的解决方案。作为练习,你可以解决其他问题 第一种解决方案仅使用
dplyr
。您可能会在使用大型数据集时遇到问题
library(dplyr)
df %>%
inner_join(
df %>%
select(inventor, oldyear = pryear),
by = "inventor") %>%
filter(pryear - 3 <= oldyear, oldyear < pryear) %>%
group_by(inventor, pryear) %>%
summarise(projects = n())
这是第一个问题的解决方案。作为练习,你可以解决其他问题 第一种解决方案仅使用
dplyr
。您可能会在使用大型数据集时遇到问题
library(dplyr)
df %>%
inner_join(
df %>%
select(inventor, oldyear = pryear),
by = "inventor") %>%
filter(pryear - 3 <= oldyear, oldyear < pryear) %>%
group_by(inventor, pryear) %>%
summarise(projects = n())
请提供一组更好的样本数据。此集合不包含与您的第一个目标匹配的数据。@Thierry,谢谢您的回复。这个例子包含了我认为所有的信息。可以添加为第四列的是一个虚拟变量,每行为1。每项发明(第一列中的数字)都是由发明人(第二列中的字符串)在特定年份(第三列中的数字)执行的一个项目。在复制粘贴数据时,我确实注意到了一个问题,所以我更改了上载,将完整日期也包括在内。希望澄清?不,它不包含所有信息。没有一个发明者拥有多年的项目<代码>行和(带(df,table(inventors,pryear))>0)@Thierry,感谢您的澄清。我完全忽略了这一点。这与数据样本中的这一部分有特殊性。只是上传一个新的。我现在的样本基于两位多产的
发明家的组合。请提供一组更好的样本数据。此集合不包含与您的第一个目标匹配的数据。@Thierry,谢谢您的回复。这个例子包含了我认为所有的信息。可以添加为第四列的是一个虚拟变量,每行为1。每项发明(第一列中的数字)都是由发明人(第二列中的字符串)在特定年份(第三列中的数字)执行的一个项目。在复制粘贴数据时,我确实注意到了一个问题,所以我更改了上载,将完整日期也包括在内。希望澄清?不,它不包含所有信息。没有一个发明者拥有多年的项目<代码>行和(带(df,table(inventors,pryear))>0)
@Thierry,感谢您的澄清。我完全忽略了这一点。这与数据样本中的这一部分有特殊性。只是上传一个新的。我现在以两位多产的发明家的组合为基础制作了这个样本。我认为要真正回答我的第一个问题,有必要做一点小小的调整。它应该是filter(pryear-3%
,所以一个小的调整对于真正回答我的第一个问题是必要的。它应该是过滤器(pryear-3%
,所以