Question

希望标题足够明确。

我的桌子看起来像这样：

classes id value
a       1  10
a       2  15
a       3  12
b       1  5
b       2  9
b       3  7
c       1  6
c       2  14
c       3  6

这就是我想要的：

classes id value cumsum
a       1  10    10
a       2  15    25
a       3  12    37
b       1  5     5
b       2  9     14
b       3  7     21
c       1  6     6
c       2  14    20
c       3  6     26

我见过this solution，我已经成功应用于我没有多个班级的情况：

id value cumsum
1  10    10
2  15    25
3  12    37

它的速度相当快，即使数据集的大小相当于我目前正在处理的数据集。

但是，当我尝试将完全相同的代码应用于我现在正在处理的数据集时（看起来像这个问题的第一个表，IE多个类），而没有按a对其进行子集化，{ {1}}，b，在我看来，这需要很长时间（现在已经运行了4个小时。数据集为40.000行）。

在此上下文中使用时，是否知道linked answer中的代码是否存在问题？我无法将头部绕在三角形连接处，但我觉得当行数增加时size the join takes可能存在问题，从而使整个事情变得更加缓慢，甚至可能因为事实上，有多个“类”可用于累积总和。

有没有办法可以更快地完成这项工作？我通过c包在SQL中使用R。 R代码（带或不带外部公共包）或SQL代码的解决方案都可以。

由于

Answer 1

在SQL中，您可以使用ANSI标准sum() over ()功能执行累积求和：

select classes, id, value,
       sum(value) over (partition by classes order by id) as cumesum
from t;

Answer 2

或者您可以使用by包中的base：

df$cumsum <- unlist(by(df$value, df$classes, cumsum))
#  classes id value cumsum
#1       a  1    10     10
#2       a  2    15     25
#3       a  3    12     37
#4       b  1     5      5
#5       b  2     9     14
#6       b  3     7     21
#7       c  1     6      6
#8       c  2    14     20
#9       c  3     6     26

多个累积总和

2 个答案: