R Data.table：在不同的数据子集上动态创建变量，并按变量x分组，对最终结果进行分组

我在多个时间段内为数据中的单个客户ID创建三种类型的变量。这些新变量包括价格向量的总和、价格向量的平均值以及日期向量中连续日期之间的平均差

使用data.table，我在多个时间段中循环，对每个时间段中的数据进行子集，并计算各个客户ID的变量。这些变量中的每一个都被动态命名为I循环。目前，这些变量的计算是正确的

这就是我陷入困境的地方：在计算完所有这些变量之后，我想将数据子集，以包括新的聚合变量以及每个客户的最新purchase.price和date元素

我认为data.table可能会在每个客户对应的所有行上复制计算出的总计。但是，它仅在与表的i索引中指定的期间间隔相对应的行中复制这些总计。因为它不会在每个客户的所有行上复制这些总数，所以我的最后一个dplyr块并没有做到这一点

在第二个和第三个代码块中，我将给出最终dplyr代码的输出，然后给出我想要实现的输出

这个问题源于我们所处的类似问题

库（lubridate）
库（数据表）
图书馆（dplyr）
数据我们可以像上一篇文章一样使用
Map

nm1 <- sprintf("%s.%d.%s", "period", seq_along(period_intervals), "price.sum")
nm2 <- sprintf("%s.%d.%s", "period", seq_along(period_intervals), "price.mean")
nm3 <- sprintf("%s.%d.%s", "period", seq_along(period_intervals), "mean.diff.date")
data[,   c(rbind(nm1, nm2, nm3)) := unlist(Map(function(x,y) {
         x1 <- purchase.price[x %within% y]
         list(sum(x1), mean(x1), mean(as.numeric(diff(x1))))},
                   list(date), period_intervals), recursive = FALSE), by = custid]
data[order(custid, -date)][,.SD[1] , custid]

nm1看起来很棒！我想知道为什么周期3中客户1的平均日期差为NaN。查看
cust1\u period3%过滤器（custid==1&date%，在%period\u interval[[3]]内）%>%mutate（period.3.mean.diff.date=mean（as.numeric（diff（date）））
返回平均日期差1？@toddyong我想列名得到了interchanged@ToddYoung您在帖子中的代码是
diff（purchase.price）
这里的注释是
diff（date）
。我在关注你的帖子。否则，我觉得很好。我不太明白你的意思。如果我们复制原始数据示例并将其称为“data.check”，然后运行
cust1\u period3%filter（custid==1&date%在%period\u interval[[3]]）%>%mutate（period.3.mean.diff.date=mean（as.numeric（diff（date）））
，这可能是我调用原始数据集“data”的错误，结果给出了客户1=1的日期平均差。这能解决问题吗？天哪，你说得对。那是个打字错误。有了这些，一切都按预期进行。
  custid purchase.price       date period.1.price.sum period.1.price.mean period.1.mean.diff.date period.2.price.sum ...
   <dbl>          <dbl>     <date>              <dbl>              <dbl>                   <dbl>              <dbl> ...
1      2            199 2015-04-10                 NA                 NA                      NA                 NA ...
2      1            149 2015-03-16                 NA                 NA                      NA                 NA ...

      custid purchase.price       date period.1.price.sum period.1.price.mean period.1.mean.diff.date period.2.price.sum ...
       <dbl>          <dbl>     <date>              <dbl>              <dbl>                   <dbl>              <dbl> ...
    1      2            199 2015-04-10                625                 25                       2                981 ...
    2      1            149 2015-03-16                275                 55                       2                1539 ...

nm1 <- sprintf("%s.%d.%s", "period", seq_along(period_intervals), "price.sum")
nm2 <- sprintf("%s.%d.%s", "period", seq_along(period_intervals), "price.mean")
nm3 <- sprintf("%s.%d.%s", "period", seq_along(period_intervals), "mean.diff.date")
data[,   c(rbind(nm1, nm2, nm3)) := unlist(Map(function(x,y) {
         x1 <- purchase.price[x %within% y]
         list(sum(x1), mean(x1), mean(as.numeric(diff(x1))))},
                   list(date), period_intervals), recursive = FALSE), by = custid]
data[order(custid, -date)][,.SD[1] , custid]