R 通过id变量计算滚动和，缺少时间点
我正在努力学习R，我在SAS做了10多年的一些事情，但我不太清楚在R中做的最好方法。以以下数据为例：R 通过id变量计算滚动和，缺少时间点,r,sas,plyr,zoo,R,Sas,Plyr,Zoo,我正在努力学习R，我在SAS做了10多年的一些事情，但我不太清楚在R中做的最好方法。以以下数据为例： id class t count desired -- ----- ---------- ----- ------- 1 A 2010-01-15 1 1 1 A 2010-02-15 2 3 1 B 2010-04-15 3 3 1
id class t count desired
-- ----- ---------- ----- -------
1 A 2010-01-15 1 1
1 A 2010-02-15 2 3
1 B 2010-04-15 3 3
1 B 2010-09-15 4 4
2 A 2010-01-15 5 5
2 B 2010-06-15 6 6
2 B 2010-08-15 7 13
2 B 2010-09-15 8 21
保留PROC SQLt <- as.Date(c("2010-01-15","2010-02-15","2010-04-15","2010-09-15",
"2010-01-15","2010-06-15","2010-08-15","2010-09-15"))
class <- c("A","A","B","B","A","B","B","B")
id <- c(1,1,1,1,2,2,2,2)
count <- seq(1,8,length.out=8)
desired <- c(1,3,3,4,5,6,13,21)
df <- data.frame(id,class,t,count,desired)
t我几乎不好意思发布这篇文章。我通常都很好，但一定有更好的方法
这首先使用zoo
的as.yearmon
来获取月份和年份的日期，然后对其进行整形，为每个id
/类的组合获取一列，然后在之前、之后和缺少的月份填入零，然后使用zoo
来获取滚动总和，然后只提取所需的月份，并与原始数据帧合并
library(reshape2)
library(zoo)
df$yearmon <- as.yearmon(df$t)
dfa <- dcast(id + class ~ yearmon, data=df, value.var="count")
ida <- dfa[,1:2]
dfa <- t(as.matrix(dfa[,-c(1:2)]))
months <- with(df, seq(min(yearmon)-3/12, max(yearmon)+3/12, by=1/12))
dfb <- array(dim=c(length(months), ncol(dfa)),
dimnames=list(paste(months), colnames(dfa)))
dfb[rownames(dfa),] <- dfa
dfb[is.na(dfb)] <- 0
dfb <- rollsumr(dfb,4, fill=0)
rownames(dfb) <- paste(months)
dfb <- dfb[rownames(dfa),]
dfc <- cbind(ida, t(dfb))
dfc <- melt(dfc, id.vars=c("class", "id"))
names(dfc)[3:4] <- c("yearmon", "desired2")
dfc$yearmon <- as.yearmon(dfc$yearmon)
out <- merge(df,dfc)
> out
id class yearmon t count desired desired2
1 1 A Feb 2010 2010-02-15 2 3 3
2 1 A Jan 2010 2010-01-15 1 1 1
3 1 B Apr 2010 2010-04-15 3 3 3
4 1 B Sep 2010 2010-09-15 4 4 4
5 2 A Jan 2010 2010-01-15 5 5 5
6 2 B Aug 2010 2010-08-15 7 13 13
7 2 B Jun 2010 2010-06-15 6 6 6
8 2 B Sep 2010 2010-09-15 8 21 21
library（重塑2）
图书馆（动物园）
df$yearmon以下是一些解决方案：
1） zoo使用ave
，通过将原始系列z
与网格g
合并，为每组创建一个每月系列m
。然后计算滚动总和并仅保留原始时间点：
library(zoo)
f <- function(i) {
z <- with(df[i, ], zoo(count, t))
g <- zoo(, seq(start(z), end(z), by = "month"))
m <- merge(z, g)
window(rollapplyr(m, 4, sum, na.rm = TRUE, partial = TRUE), time(z))
}
df$desired <- ave(1:nrow(df), df$id, df$class, FUN = f)
注：我们假设时间在每个组内排序（如问题所示）。如果不是这样，则首先排序df
2） sqldf
library(sqldf)
sqldf("select id, class, a.t, a.'count', sum(b.'count') desired
from df a join df b
using(id, class)
where a.t - b.t between 0 and 100
group by id, class, a.t")
其中：
> df
id class t count desired
1 1 A 2010-01-15 1 1
2 1 A 2010-02-15 2 3
3 1 B 2010-04-15 3 3
4 1 B 2010-09-15 4 4
5 2 A 2010-01-15 5 5
6 2 B 2010-06-15 6 6
7 2 B 2010-08-15 7 13
8 2 B 2010-09-15 8 21
id class t count desired
1 1 A 2010-01-15 1 1
2 1 A 2010-02-15 2 3
3 1 B 2010-04-15 3 3
4 1 B 2010-09-15 4 4
5 2 A 2010-01-15 5 5
6 2 B 2010-06-15 6 6
7 2 B 2010-08-15 7 13
8 2 B 2010-09-15 8 21
注意：如果合并太大而无法放入内存，则使用sqldf（“…”，dbname=tempfile（））
将中间结果存储在数据库中，然后动态创建并自动销毁
3） 基本Rsqldf解决方案激发了这个基本R解决方案，它只是将SQL转换为R：
m <- merge(df, df, by = 1:2)
s <- subset(m, t.x - t.y >= 0 & t.x - t.y <= 100)
ag <- aggregate(count.y ~ t.x + class + id, s, sum)
names(ag) <- c("t", "class", "id", "count", "desired")
注意：这会在内存中进行合并，如果数据集非常大，这可能是一个问题
更新：对第一个解决方案进行了较小的简化，并添加了第二个解决方案
更新2：添加了第三种解决方案。可以使用data.table库找到这个问题的非常有效的答案
##Utilize the data.table package
library("data.table")
data <- data.table(t,class,id,count,desired)[order(id,class)]
##Assign each customer an ID
data[,Cust_No:=.GRP,by=c("id","class")]
##Create "list" of comparison dates and values
Ref <- data[,list(Compare_Value=list(I(count)),Compare_Date=list(I(t))), by=c("id","class")]
##Compare two lists and see of the compare date is within N days
data$Roll.Val <- mapply(FUN = function(RD, NUM) {
d <- as.numeric(Ref$Compare_Date[[NUM]] - RD)
sum((d <= 0 & d >= -124)*Ref$Compare_Value[[NUM]])
}, RD = data$t,NUM=data$Cust_No)
##Print out data
data <- data[,list(id,class,t,count,desired,Roll.Val)][order(id,class)]
data
id class t count desired Roll.Val
1: 1 A 2010-01-15 1 1 1
2: 1 A 2010-02-15 2 3 3
3: 1 B 2010-04-15 3 3 3
4: 1 B 2010-09-15 4 4 4
5: 2 A 2010-01-15 5 5 5
6: 2 B 2010-06-15 6 6 6
7: 2 B 2010-08-15 7 13 13
8: 2 B 2010-09-15 8 21 21
##利用data.table包
库（“数据表”）
数据有了软件包，你可以在滚动窗口上计算一切。下面是使用sum\u run
library(runner)
df %>%
group_by(id) %>%
mutate(
output = sum_run(count, k = 30*4, idx = t)
)
# <dbl> <fct> <date> <dbl> <dbl> <dbl>
# 1 A 2010-01-15 1 1 1
# 1 A 2010-02-15 2 3 3
# 1 B 2010-04-15 3 3 6
# 1 B 2010-09-15 4 4 4
# 2 A 2010-01-15 5 5 5
# 2 B 2010-06-15 6 6 6
# 2 B 2010-08-15 7 13 13
# 2 B 2010-09-15 8 21 21
库（运行程序）
df%>%
分组依据（id）%>%
变异(
输出=总和运行（计数，k=30*4，idx=t）
)
#
#1A 2010-01-15 11
#1 A 2010-02-15 2 3 3
#1B 2010-04-15 3 6
#1B 2010-09-15 4
#2A 2010-01-15 5
#2b 2010-06-15 6
#2b 2010-08-15 7 13
#2b 2010-09-15 8 21
什么是d
？其定义未包含在安装代码中。请查看zoo
软件包。它可以相当容易地对时间一致的数据进行这些滚动总结。如果您对sql
感到满意，可以使用sqldf
包。@MatthewPlourd，我想@ADJ meandf我已经在使用sqldf包了。首先，我还没有完全弄清楚如何在sqldf查询中使用R函数，就像我在PROC SQL中使用许多SAS函数一样。在这种情况下，我的首选解决方案将涉及使用SAS的INTCK函数的R版本，以比我的原始示例中描述的更复杂的方式执行日期算法。但由于我是从零开始学习R，我更喜欢学习如何用R的方式做事（见Joe的评论），老实说，对于这样的东西，我只会继续使用SAS.）美好的很好地使用了ave
，我可能没有尽可能经常地使用它，另外还有一些使用zoo
的新方法。谢谢同时感谢您在zoo
软件包中所做的工作，非常感谢！悬赏，给一个当之无愧的回答。谢谢这是一个124天的滚动时间段。显然，这并不完全是4个月，但代码可以很容易地修改。
library(runner)
df %>%
group_by(id) %>%
mutate(
output = sum_run(count, k = 30*4, idx = t)
)
# <dbl> <fct> <date> <dbl> <dbl> <dbl>
# 1 A 2010-01-15 1 1 1
# 1 A 2010-02-15 2 3 3
# 1 B 2010-04-15 3 3 6
# 1 B 2010-09-15 4 4 4
# 2 A 2010-01-15 5 5 5
# 2 B 2010-06-15 6 6 6
# 2 B 2010-08-15 7 13 13
# 2 B 2010-09-15 8 21 21