與日期

滾子data.table聚集我沿着這些線路與日期

d1 <- data.frame(
    cat1 = sample(c('a', 'b', 'c'), 100, replace = TRUE), 
    date = rep(Sys.Date() - sample(1:100)), 
    val = rnorm(100, 50, 5) 
) 

require(data.table) 

d2 <- data.table(d1)

一組數據，我可以每天和沒有問題

d2[ , list(.N, sum(val)), by = c("cat1", "date")]

我希望得到一個求和2天（和然後7天）

這工作：

d.list <- sort(unique(d2$date)) 
o.list <- list() 

for(i in seq_along(d.list)){ 
    o.list[[i]] <- d2[d2$date >= d.list[i] - 1 & d2$date <= d.list[i], list(.N, sum(val), max(date)), by = c("cat1")] 
} 

do.call(rbind, o.list)

但是減慢了一個更大的數據集，並且似乎並不是data.table的最佳用法。

有沒有更高效的方法？

來源

2014-04-30 Ed G

首先，你需要什麼'N'列？對於每日總和只是做'd2 < - setDT（d1）[，sum（val），by = c（「cat1」，「date」）]' –

是否可以設置分箱日期，然後對此做by？

d2$day7 <- as.integer(d2$date) %/% 7 
d2[ , list(.N, sum(val)), by = c("cat1", "day7")]

這會給一個分箱值 - 如果你想要一個滑動的7天窗口，我需要再想一想。另外，對於分組方法，如果您想選擇組開始的星期幾，則可能需要在執行％/％之前減去偏移量。

來源

2014-04-30 16:05:42

我會試試看 - 謝謝。我確實需要一個滑動窗口，並且日期不規則（跳過日期） –

這是一個有點快：

首先，我們加入了精確匹配，並獲得了最後一個索引（在多場比賽的情況下）

setkey(d2, cat1, date) 
tmp1 = d2[unique(d2, by=key(d2)), which=TRUE, mult="last", allow.cartesian=TRUE]

然後，我們構造的d2一個copy和改變date到date-1，通過參考。然後，我們與roll=-Inf進行加入 - 這是下一個觀察結果向後。換句話說，如果沒有完全匹配，它將填充下一個可用值。

d3 = copy(d2)[, date := date-1] 
setkey(d3, cat1, date) 
tmp2 = d2[unique(d3, by=key(d2)), roll=-Inf, which=TRUE, allow.cartesian=TRUE]

從這裏，我們放在一起指數：

idx1 = tmp1-tmp2+1L 
idx2 = data.table:::vecseq(tmp2, idx1, sum(idx1))

子集d2從idx2和生成唯一的ID從idx1：

ans1 = d2[idx2][, grp := rep(seq_along(idx1), idx1)]

最後的總量，除以grp，並得到想要的結果：

ans1 = ans1[, list(cat1=cat1[1L], date=date[.N], 
     N = .N, val=sum(val)), by=grp][, grp:=NULL] 
> head(ans1, 10L) 
#  cat1  date N  val 
# 1: a 2014-01-20 1 47.69178 
# 2: a 2014-01-25 1 52.01006 
# 3: a 2014-02-01 1 46.82132 
# 4: a 2014-02-06 1 44.62404 
# 5: a 2014-02-11 1 49.63218 
# 6: a 2014-02-14 1 48.80676 
# 7: a 2014-02-22 1 49.27800 
# 8: a 2014-02-23 2 96.17617 
# 9: a 2014-02-26 1 49.20623 
# 10: a 2014-02-28 1 46.72708

結果與您的解決方案中相同。這個在我的筆記本電腦上花費了0.02秒，在那裏你的花費了0.58秒。

7天，只是改變：

d3 = copy(d2)[, date := date-1]

到

d3 = copy(d2)[, date := date-6]

來源

2014-04-30 20:09:58 Arun

非常感謝@Arun。我會通過這個工作，並嘗試瞭解步驟 –

@EdG，祝你好運:) –

嗨，你知道這是否仍然是當前版本的'data.table'的方式，或者有在過去的三年中'data.table'的一些變化會使這個計算變得更容易（理解:)）？ – ira

它在你想要的OP解釋很差，但是這似乎是它：

# generate the [date-1,date] sequences for each date 
# adjust length.out to suit your needs 
dates = d2[, list(date.seq = seq(date, by = -1, length.out = 2)), by = date] 

setkey(dates, date.seq) 
setkey(d2, date) 

# merge and extract info needed 
dates[d2][, list(.N, sum(val), date.seq[.N]), by = list(date, cat1)][, 
      !"date", with = F] 
#  cat1 N  V2   V3 
# 1: a 1 38.95774 2014-01-21 
# 2: a 1 38.95774 2014-01-21 
# 3: c 1 55.68445 2014-01-22 
# 4: c 2 102.20806 2014-01-23 
# 5: c 1 46.52361 2014-01-23 
# ---        
#164: c 1 50.17986 2014-04-27 
#165: b 1 51.43489 2014-04-28 
#166: b 2 100.91982 2014-04-29 
#167: b 1 49.48493 2014-04-29 
#168: c 1 54.93311 2014-04-30

來源

2014-05-01 16:49:42 eddi

回答

相關問題