Question

我正在尝试根据以下玩具数据计算滚动总和：

structure(list(Tag = c("1", "1", "1",  "1", "2", "2", "2", "2",  "2",
"2"), ID = c("A", "A", "A",  "B", "J", "J", "J", "A", "A", "A" ),
correctvis = c(1, 0, 1, 1, 1, 0, 1, 0, 1, 0)), row.names = c(NA, 
-10L), groups = structure(list(ID = "A", Tag = "1", 
.rows = structure(list(1:10), ptype = integer(0), class = c("vctrs_list_of", 
 "vctrs_vctr", "list"))), row.names = 1L, class = c("tbl_df",  "tbl", "data.frame"), .drop = TRUE), class = c("grouped_df", 
 "tbl_df", "tbl", "data.frame"))

我已经同时使用data.table和dplyr了：

test <- as.data.table(df)[,sums2 := frollsum(correctvis, 7), by = c("ID","Tag")]

test <- df %>%
  group_by(ID, Tag) %>%
  mutate(sums = roll_sum(correctvis, 7, align = "right", fill = NA))

两个结果都相同。

注意：实际上，我的标签/ ID列表持续的时间更长，这就是为什么我使用7而不是较小的窗口的原因。

问题： 尽管使用了group_by和by =，roll_sum和froll_sum使用的窗口仍超出了组的边界。也就是说：我想开始计数，好像每个分组之前的所有值correctvis都是0（对于该分组）。以下代码似乎确实尊重分组（基于tibbletime包）：

rolling_sum <-  rollify(.f = sum, window = 7)
df <- df %>%
 group_by(ID, Tag) %>%
 mutate(sums2 = rolling_sum(correctvis))

但是，此代码无法正常工作，因为在某些情况下，每个特定分组的观察值少于7个，导致出现错误：

在大于窗口的范围内无法滚动应用数据长度

我的问题

我是否可以调整dplyr / data.table代码，使其在应用滚动总和时尊重我的分组？

或

有没有一种方法可以使rollify代码适合我的窗口大小。我曾经想到的一个想法是使用case_when：

rolling_sum <- rollify(.f = sum, window = case_when(n=1~1,n=2~2, etc.))

但是我无法使它正常工作。

Answer 1

以下是使用data.table::frollmean的选项：

library(data.table)
k <- 7L
setDT(df)[, if (.N > k) frollmean(correctvis, c(1L:k, rep(k, .N - k)), adaptive=TRUE) 
        else frollmean(correctvis, seq_len(.N), adaptive=TRUE), 
    .(ID, Tag, rleid(ID, Tag))]

输出：

    ID Tag rleid        V1
 1:  A   1     1 1.0000000
 2:  A   1     1 0.5000000
 3:  A   1     1 0.6666667
 4:  B   1     2 1.0000000
 5:  J   2     3 1.0000000
 6:  J   2     3 0.5000000
 7:  J   2     3 0.6666667
 8:  A   2     4 0.0000000
 9:  A   2     4 0.5000000
10:  A   2     4 0.3333333

组边界内的滚动总和

1 个答案: