Question

我想基于两个条件聚合data.table，其中一个附加到另一行。这是我的问题和可重复的例子：

我有一对来源目的地。 对于每个来源，我想总结目标中的点数condition1是否满足。但是，有两个棘手的问题。

每个始发地 - 目的地对中的点只能合计一次
只有在反向通量中满足condition2时才应该总结这些点。也就是说，A-B中的点数只能在condition1==T和B-A对condition2==T

可重复的例子：

library(data.table)
dt <-  data.table( origin = c("A", "A", "A", "A", "A", "A", "B", "B", "A", "A", "C", "C", "B", "B", "B", "B", "B", "C", "C", "B", "A", "C", "C", "C", "C", "C", "A", "A", "C", "C", "B", "B"),
                   destination = c("A", "A", "A", "A", "B", "B", "A", "A", "C", "C", "A", "A", "B", "B", "B", "C", "C", "B", "B", "A", "B", "C", "C", "C", "A", "A", "C", "C", "B", "B", "C", "C"),
                   points_in_dest = c(5, 5, 5, 5, 4, 4, 5, 5, 3, 3, 5, 5, 4, 4, 4, 3, 3, 4, 4, 5, 4, 3, 3, 3, 5,5, 3, 3, 4, 4, 3, 3),
                   depart_time = c(7, 8, 16, 18, 7, 8, 16, 18, 7, 8, 16, 18, 7, 8, 16, 7, 8, 16, 18, 8, 16, 7, 8, 18, 7, 8, 16, 18, 7, 8, 16, 18),   
                   travel_time = c(0, 0, 0, 0, 70, 10, 70, 10, 10, 10, 70, 70, 0, 0, 0, 70, 10, 10, 70, 70, 10, 0, 0, 0, 10, 70, 10, 70, 10, 70, 70, 10) )

 dt[ depart_time<=8  & travel_time < 60, condition1 := T] # condition 1 - trips must be in the morning and shorter than 60 min
 dt[ depart_time>=16 & travel_time < 60, condition2 := T] # condition 2 - trips must be in the afternoon and shorter than 60 min

如果我只考虑condition1来总结这些分数，这就是我得到的。请注意，此查询不涉及两个问题：（1）当有多个起始 - 目的地对满足condition1时，它是双计数点，（2）{{1}时不排除点数}不满意

condition2

期望的输出

dt[ condition1==T, .(poits = sum(points_in_dest)), by=.(origin)]

>    origin poits
> 1:      A    20
> 2:      B    11
> 3:      C    15

我的真实数据框架大约是8000万行，所以我很感激有效的解决方案，可能基于> origin poits > 1: A 9 > 2: B 7 > 3: C 12。我意识到这是一个棘手的问题，我将不胜感激任何帮助。提前谢谢

背景

这是具有时空约束的可访问性的时间地理学中的常见问题。问题是，根据您的时空限制，您可以选择多少个工作机会，例如，您居住在A区。 A区有5个工作，B区有4个工作，C区有3个工作，你有资格在所有工作中工作。但是，如果您可以在早上到办公室（data.table），并且如果您可以在下午4点（condition1）之后回到家中，那么您只能在工作岗位上工作。

Answer 1

由于您只想计算一次每个组合，我建议您在destination到origin和origin到destination） >两个条件下的唯一子集，然后简单地按原点对点进行求和。

我在解决此问题时遇到data.table中的错误，因此setattr(res, "sorted", NULL)行（将删除键）。此解决方法不会影响性能。 I've filled a bug report

setkey(dt, origin, destination) ## doing this so the `unique` function will work faster
res <- unique(dt[(condition1)])[unique(dt[(condition2)]), 
                                on = c(destination = "origin", origin = "destination"), 
                                nomatch = 0L]
setattr(res, "sorted", NULL) ### Fixing the bug
res[, .(points = sum(points_in_dest)), keyby = origin]
#    origin points
# 1:      A      9
# 2:      B      7
# 3:      C     12

根据另一行中的条件聚合data.table

可重复的例子：

期望的输出

背景

1 个答案: