在dplyr vs data.table中按操作对_分组，以便快速实施 dat% dplyr:：分组依据（yearID，索引名称）%>% dplyr:：summary（p.start.val=sum（value[monthID==p.start]）， p、 val=sum（值[monthID>=p.start&monthID=m.start&monthID=h.start&monthID% tidyr:：聚集（、变量、值、p.start.val:h.end.val）%>% dplyr:：mutate（new.col.name=paste0（索引名称，变量））%>% dplyr:：select（-index_name，-变量）%%>% tidyr:：价差（，新列名称，值）%>% dplyr:：突变（yearRef=2018） colnames（df1）% dplyr:：筛选器（索引名称%c（'x4'，'x6'））%>% dplyr:：分组依据（yearID，索引名称）%>% dplyr:：summary（p.end.val=value[monthID==p.end]， m、 end.val=value[monthID==m.end]， h、 end.val=value[monthID==h.end]）%>% tidyr:：聚集（，变量，值，p.end.val:h.end.val）%>% dplyr:：mutate（new.col.name=paste0（索引名称，变量））%>% dplyr:：select（-index_name，-变量）%%>% tidyr:：价差（，新列名称，值）%>% dplyr:：突变（yearRef=2018） colnames（df2）

我将只在

df1

上运行这个，因为从那里可以很容易地重复模式

注:

• 我使用

  magrittr

  仅仅是为了帮助分解链中的每一步，因为

  dplyr

  的*动词

  都是可直接翻译的。将其转换为非
  magrittr`管道并不困难。使用它的好处（tidyverse管道也是如此）在我看来，是可读性，因此是可维护性

答案 我将走过下面的步骤

库（data.table）
图书馆（magrittr）
as.数据表（dat）%>%
melt（，measure.vars=grep（^x[0-9]+），colnames（.），
variable.name=“index_name”，variable.factor=FALSE）%>%
[！索引名称%在%c（“x5”、“x6”），]%>%
.[, .(
p、 start.val=sum（值[monthID==p.start]），
p、 val=sum（值[monthID>=p.start&monthID=m.start&monthID=h.start&monthID%
熔体（，id.vars=1:2，variable.factor=FALSE）%>%
[，new.col.name:=paste0（索引名称，“，”变量）]%>%
[，c（“索引名称”，“变量”）：=NULL]]>%
dcast（，yearID~新列名称）%%>%
[，yearRef:=2018]

---

步骤： 步骤说明：

• 在演练中，我将

  dplyr:：arrange_all（）

  和

  [order（.），]

  添加到每个中间管道的末端，以便进行苹果对苹果的比较

• 您的示例中没有包含随机种子。我使用了

  set.seed（42）

  ，因此要将您的控制台与我显示的进行比较，您需要设置此种子并重新生成

  dat

• 每个代码块都从上一步的代码继续，为了简洁起见，我将所有重复的代码缩短为

  ..%>%

  ，以使这个答案不那么冗长

步骤如下：

tidyr:：gather

到

data.table:：melt

。可能有比

grep

更好的方法来选择

数据中的列范围。table:：melt

，但是当

as.data.table（dat）[，-（x1:x6）]

工作时，相同的列范围在

melt

中不起作用

dat%>%
tidyr:：聚集（，索引名称，值，x1:x6）%>%
排列_all（）%>%head（）#只是为了比较
##tibble:6 x 10
#yearID monthID p.start p.end m.start m.end h.start h.end index_name值
#                           
#11678891011x11.37
#21167891011x2-0.483
#311678891011x3-0.314
#41167881011X4-2.23
#511677891011x5-0.717
#611677891011x6-1.04
as.数据表（dat）%>%
melt（，measure.vars=grep（^x[0-9]+），colnames（.），
variable.name=“index_name”，variable.factor=FALSE）%>%
[顺序（.），]%>%head（）#仅供比较
#yearID monthID p.start p.end m.start m.end h.start h.end index_name值
#1:11167891011x11.3709584
#2:11167891011x2-0.4831687
#3:11167891011x3-0.3139498
#4:11167881011X4-2.2323282
#5:11167881011X5-0.7167575
#6:11167881011x6-1.0357630

添加

dplyr:：filter

和

dplyr:：summary

（分组）；我只是将新变量的赋值从

summary（…）

复制到

（…）

块中，无需更改

…%>%
dplyr:：筛选器（！索引_名称%in%c（'x5'，'x6'））%>%
dplyr:：分组依据（yearID，索引名称）%>%
dplyr:：summary（p.start.val=sum（value[monthID==p.start]），
p、 val=sum（值[monthID>=p.start&monthID=m.start&monthID=h.start&monthID%
排列_all（）%>%head（）#只是为了比较
##tibble:6 x 7
##组：yearID[2]
#yearID索引\名称p.start.val p.val m.val h.val h.end.val
#                             
#1 x1-0.106 1.41 1.92 1.24 1.30
#21x20.573-0.516-2.29-3.54-0.990
#3 1 x3 0.767 0.455 0.461 2.28 2.08
#4 1 x4-0.0559-1.11-0.0975-0.326-0.483
#5.2 x1-2.66-5.10 1.01-1.95-0.172
#6 2 x2 0.342-0.546 0.605 1.51 1.25
... %>%
[！索引名称%在%c（“x5”、“x6”），]%>%
.[, .(
dat <- data.frame(yearID = rep(1:10000, each = 12),
                  monthID = rep(1:12, times = 10000),
                  x1 = rnorm(120000),
                  x2 = rnorm(120000),
                  x3 = rnorm(120000),
                  x4 = rnorm(120000),
                  x5 = rnorm(120000),
                  x6 = rnorm(120000),
                  p.start = 6,
                  p.end = 7,
                  m.start = 8,
                  m.end = 9,
                  h.start = 10,
                  h.end = 11)

library(dplyr)

start_time <- Sys.time()

df1 <- dat %>% 
       tidyr::gather(., index_name, value, x1:x6) %>%
       dplyr::filter(!index_name %in% c('x5','x6')) %>%
       dplyr::group_by(yearID, index_name) %>%
       dplyr::summarise(p.start.val = sum(value[monthID == p.start]),
                        p.val = sum(value[monthID >= p.start & monthID <= p.end]),
                        m.val = sum(value[monthID >= m.start & monthID <= m.end]),
                        h.val = sum(value[monthID >= h.start & monthID <= h.end]),
                        h.end.val = sum(value[monthID == h.end])) %>%
       tidyr::gather(., variable, value, p.start.val:h.end.val) %>%
       dplyr::mutate(new.col.name = paste0(index_name,'_',variable)) %>%
       dplyr::select(-index_name, -variable) %>% 
       tidyr::spread(., new.col.name, value) %>%
       dplyr::mutate(yearRef = 2018)

colnames(df1) <-  sub(".val", "", colnames(df1))    

df2 <- dat %>% 
       tidyr::gather(., index_name, value, x1:x6) %>%
       dplyr::filter(index_name %in% c('x4','x6')) %>%
       dplyr::group_by(yearID, index_name) %>%
       dplyr::summarise(p.end.val = value[monthID == p.end],
                        m.end.val = value[monthID == m.end],
                        h.end.val = value[monthID == h.end]) %>%
       tidyr::gather(., variable, value, p.end.val:h.end.val) %>%
       dplyr::mutate(new.col.name = paste0(index_name,'_',variable)) %>%
       dplyr::select(-index_name, -variable) %>% 
       tidyr::spread(., new.col.name, value) %>%
       dplyr::mutate(yearRef = 2018)

colnames(df2) <-  sub(".val", "", colnames(df2))

final.dat <- Reduce(function(...) merge(..., by = c( "yearID", "yearRef"), all.x=TRUE), list(df1,df2))

 end_time <- Sys.time()

 end_time - start_time

 # Time difference of 2.054761 secs