Question

我试图在data.table中测试各种条件，看起来像这个可重现的例子

 set.seed(17)
 year <- 1980 + rnbinom(10000,3,0.35)
 event <- rep(LETTERS, length.out=10000)
 z <- as.integer(runif(10000,min = 0, max = 10))
 dt <- data.table(event,year,z)
 setkey(dt, event,year)
 dt <- dt[,sum(z), by=c("event","year")]

V1（从最后一个命令出现）表示事件发生的次数。

因此数据表是一个有序数组，我需要在其上执行各种函数。以下是一些例子：

如何为每个事件计算前10年出现的滚动总和（或滚动平均值）？因此，对于 A 1990 ，期望的输出为1,452 （1980年至1989年之间）。对于 H 2012 ，输出为11 ，因为在2002年和2011年之间只有11次出现（2002年3次，2007年3次，2010年5次）。对于 A 1983 ，输出为NA
如何检查事件是否在前15年中的至少12个中发生？因此，对于 A 1997 ，我们可以看到事件发生在15年前的超过12年（1982年至1996年，它发生在除1996年以外的每年）因此标准符合。但是，对于 A 2001 ，我们看到事件只发生在前15年中的11年（1986年 - 2000年），它不会发生在1996,1998,1999和2000年）标准不是满足即可。这里所需的输出是离散1（标准符合）或0（标准不符合）

理想情况下，代码不仅可以计算years中出现的data.table，还可以计算1980年和2013年之间缺失的{{1}}。因此，对于 K 2005 ，我们可以将Q1的结果计算为25（13 + 5 + 3 + 3 + 2）（感谢@Arun指出前一个错误）。对于第二季度，我们认为事件不会发生在1999,2000,2001,2003和2004年因此标准＆＃34;至少在15年中的12年＆＃34;没有达到。此外，事件年组合可能存在于data.table中，但V1的值为0（参见第18行，A 2001）。理想情况下，这种零出现将被视为非出现（例如，通过删除V1为零的所有行）。

我知道发布两个问题的情况并不常见，但我觉得它们属于一体，并且与类似问题有关。希望有人可以提出一些建议。

非常感谢，

西蒙

Answer 1

第一个问题：

这将获得不一定在数据集中的年份的运行总和（正如您在两点之下所要求的那样）。我们的想法是首先生成event和year的所有组合 - 甚至是数据集中不存在的组合。这可以通过函数CJ（用于交叉连接）来完成。对于每个event，此＆＃39; ll会创建所有year。

setkey(dt, event, year)
d1 = CJ(event=unique(dt$event), year=min(dt$year):max(dt$year))

现在，我们join返回dt以使用NA填充V1的缺失值。

d1 = dt[d1]

现在我们的数据集包含event和year的所有组合。从这里开始，我们现在找到一种方法来执行滚动总和。为此，我们再次创建另一个数据集，其中包含了每年的所有前10年，如下所示：

window_size = 10L
d2 = d1[, list(window = seq(year-window_size, year-1L, by=1L)), by="event,year"]

对于每个＆＃34;事件，年份＆＃34;，我们会创建一个新列window，该列将生成前10年。

现在，我们要做的就是适当地设置key列并执行join以获得相应的＆＃34; V1＆＃34;值。

setkey(d2, event, window) ## note the join here is on "event, window"
setkey(d1, event, year)

ans = d1[d2]

现在，我们已经确定了＆＃34; V1＆＃34;对于每个＆＃34;事件，窗口＆＃34;组合。我们要做的就是通过＆＃34;事件，第1年和第34天进行汇总。（＆＃34; year.1＆＃34;以前＆＃34;年＆＃34;和＆＃34;年＆＃34; ans之前是＆＃34; window＆＃34;）。在这里，我们处理的条件是，如果任何年份是＆lt; 1980年，那么总和应该是NA。这是通过使用TRUE | NA = TRUE和FALSE | NA = NA。

的小型黑客来完成的

q1 = ans[, sum(V1, na.rm=TRUE) * (!any(year < 1980) | NA), by="event,year.1"]

q1[event == "K" & year.1 == "2005"]
#    event year.1 V1
# 1:     K   2005 25

关于你的第二个问题：

使用window_size = 15L而不是10L重复与上述相同的操作，直至ans。然后，我们可以做到：

q2 = ans[!is.na(V1)][, .N, by="event,year.1"]

q2[event == "A" & year.1 == 1997]
#    event year.1  N
# 1:     A   1997 14

这是正确的，因为dt有1982年至1995年的所有年份，1996年缺失，因此不计算=＆gt; N=14，应该是。

R - 使用data.table有效地测试多行和多列的滚动条件

1 个答案:

第一个问题：

关于你的第二个问题：