Question

假设我们有以下内容：

time=c(20060200,20060200,20060200,20060200,20060200,20060300,20060400,20060400,20060400)
bucket=c(1,1,2,2,1,3,3,3,1)
rate=c(0.05,0.04,0.04,0.05,0.06,0.01,0.07,0.08,0.03)




       time bucket rate
1: 20060200      1 0.05
2: 20060200      1 0.04
3: 20060200      2 0.04
4: 20060200      2 0.05
5: 20060200      1 0.06
6: 20060300      3 0.01
7: 20060400      3 0.07
8: 20060400      3 0.08
9: 20060400      1 0.03

我知道如何通过类似的方式将费率汇总到时间或桶中

test=data.table(time,bucket,rate)
b=test[,list(x=sum(rate)),by=bucket]

我的问题是如何聚合到桶中，同时保持时间不变所以我想要的是这样的：

20060200  1  0.15
20060200  2  0.09
20060200  3  0
20060300  1  0
20060300  2  0
20060300  3  0.01 
20060400  1  0.03
20060400  2  0
20060400  3  0.15

希望这很清楚，谢谢

Answer 1

正如@Mittenchops所说，你正在寻找笛卡尔积。有一个功能，CJ。您可以使用unique(CJ(time,bucket))获得所需的组合。要在data.table中使用它，您可以（i）设置密钥并（ii）将其与CJ一起加入：

setkey(test,time,bucket)
b <- test[unique(CJ(time,bucket)),list(x=sum(rate))]
b[is.na(x),x:=0]

最后一步将缺失值设置为0.结果是：

       time bucket    x
1: 20060200      1 0.15
2: 20060200      2 0.09
3: 20060200      3 0.00
4: 20060300      1 0.00
5: 20060300      2 0.00
6: 20060300      3 0.01
7: 20060400      1 0.03
8: 20060400      2 0.00
9: 20060400      3 0.15

顺便说一句，当你使用x[y,...]语法“加入”时（其中x和y都是data.tables），有一个隐藏的by ... a by-without-by。 ..在（可能只是第一部分）x的键上。在文档或谷歌上查找“by-without-by”以获取详细信息。

Answer 2

听起来让你的问题变得困难的事情就是聚合更少，更多的是关于按群体创建时间的笛卡尔积，以填补聚合所留下的空白。如果函数中有一个标志来实现这一点会很棒，但似乎没有。

所以，这不是很优雅，但是这里有一个解决方案，通过构建该结构，然后将聚合结果移植到该脚手架上来实现这一点：

df <- aggregate(rate~., data=test, sum)
> df
      time bucket rate
1 20060200      1 0.15
2 20060400      1 0.03
3 20060200      2 0.09
4 20060300      3 0.01
5 20060400      3 0.15

弄清楚我们需要创建笛卡尔脚手架的水平，在这种情况下，所有群体都要创建：

> levels(factor(bucket))
[1] "1" "2" "3"
> levels(factor(time))
[1] "20060200" "20060300" "20060400"
> B <- levels(factor(bucket))
> t <- levels(factor(time))

制作一个格子基底以将结果移植到：

> base <- expand.grid(B,t)
> names(base) <-c("bucket","time")
> base
  bucket     time
1      1 20060200
2      2 20060200
3      3 20060200
4      1 20060300
5      2 20060300
6      3 20060300
7      1 20060400
8      2 20060400
9      3 20060400

将数据框合并到基础上：

> m <- merge(base,df,all.x=T)
  bucket     time rate
1      1 20060200 0.15
2      1 20060300   NA
3      1 20060400 0.03
4      2 20060200 0.09
5      2 20060300   NA
6      2 20060400   NA
7      3 20060200   NA
8      3 20060300 0.01
9      3 20060400 0.15

将NA替换为0：

m$rate[is.na(m$rate)] <- 0
> m
  bucket     time rate
1      1 20060200 0.15
2      1 20060300 0.00
3      1 20060400 0.03
4      2 20060200 0.09
5      2 20060300 0.00
6      2 20060400 0.00
7      3 20060200 0.00
8      3 20060300 0.01
9      3 20060400 0.15

排序以获得所需的输出：

> m[with(m,order(time,bucket)),]
  bucket     time rate
1      1 20060200 0.15
4      2 20060200 0.09
7      3 20060200 0.00
2      1 20060300 0.00
5      2 20060300 0.00
8      3 20060300 0.01
3      1 20060400 0.03
6      2 20060400 0.00
9      3 20060400 0.15

R：组合聚合

2 个答案: