R data.table：具有不同条件的总和

Question

简介

我写这个作为一个问题（阅读本简介并跳到最后一节），并作为一个练习，以帮助我更清楚地思考。如果这被认为不适合SO，请指出并将其移至其他地方。

我有一份付款记录清单，即现金流量，具有以下结构：

• 每份合约都有ID，开始日期，（预计）结束日期和多个付款记录。
• 每笔付款都有一个号码，截止日期，收到日期，到期金额和收到的金额。
• 某些付款可能会违约，即逾期。
• 有些付款尚未发生，收到的日期为NA，收到的金额为0。
• 对于每份合同，第一笔付款应在合同签订后30天到期。
• 对于每份合同，实际结束日期是收到所有付款的日期。

出于本练习的目的，我构建了一个data.table，其中包含以下模拟数据：

require(data.table)
require(lubridate)

dA <- as.Date('2016-08-02')
dB <- as.Date('2017-01-25')
dC <- as.Date('2017-05-10')
ws <- data.table(
  ID       = c(rep('A', 12L), rep('B', 12L), rep('C', 12L)),
  pmt_no   = rep(1L:12L, 3),
  start    = c(
    rep(dA, 12L),
    rep(dB, 12L),
    rep(dC, 12L)
  ),
  end      = c(
    rep(dA %m+% days(360L), 12L),
    rep(dB %m+% days(360L), 12L),
    rep(dC %m+% days(360L), 12L)
  ),
  due_date = c(
    dA %m+% days(seq(30L, 360L, by = 30L)),
    dB %m+% days(seq(30L, 360L, by = 30L)),
    dC %m+% days(seq(30L, 360L, by = 30L))
  ),
  rec_date = c(
    dA %m+% days(seq(30L, 360L, by = 30L)),
    dB %m+% days(seq(30L, 360L, by = 30L)),
    dC %m+% days(seq(30L, 360L, by = 30L))
  ),
  due_amt  = c(rep(120, 12L), rep(230, 12L), rep(180, 12L)),
  rec_amt  = c(rep(120, 12L), rep(230, 12L), rep(180, 12L))
)[
  due_date >= '2017-08-01',
  `:=`(rec_date = NA, rec_amt = 0)
][
  c(2L:5L,14L), rec_date := rec_date %m+% days(13L)
][
  c(11L,18L), `:=`(rec_date = NA, rec_amt = 0)
]

一些特征：

• 3份合约的36笔付款，每笔12份。
• 有些付款违约，其中一些仍未付款。
• 数据日期为2017-08-01。因此，超过此日期的任何付款尚未发生。

这就是它的样子：

   ID pmt_no start_date   end_date   due_date   rec_date due_amt rec_amt
1:  A      1 2016-08-02 2017-07-28 2016-09-01 2016-09-01     120     120
2:  A      2 2016-08-02 2017-07-28 2016-10-01 2016-10-14     120     120
3:  A      3 2016-08-02 2017-07-28 2016-10-31 2016-11-13     120     120

使用数据：sum和cumsum

考虑以下问题：

• 每个月底有多少付款，到期金额是多少？每个月底收集了多少和多少金额？

我的本​​能方法是构造一个date向量，然后循环几次以获取所有数字。但是我认为以下内容更符合data.table方式：

# amount due and received during each month, and
# total due and total received by (the end of) each month

merge(
  ws[
    due_date < '2017-08-01',
    .(due_amt = sum(due_amt)),
    keyby = .(year(due_date), month(due_date))
  ][
    , 
    due_total := cumsum(due_amt)
  ],
  ws[
    rec_date < '2017-08-01',
    .(rec_amt = sum(rec_amt)),
    keyby = .(year(rec_date), month(rec_date))
  ][
    , 
    rec_total := cumsum(rec_amt)
  ],
  all = TRUE
)

请注意，我已经省略了计数。结果很愉快：

    year month due_amt due_total rec_amt rec_total
 1: 2016     9     120       120     120       120
 2: 2016    10     240       360     120       240
 3: 2016    11     120       480     120       360
 <truncated>

条件：.SD和sum

• 每个月的过期到期总金额？

仍然可以解决，但我不得不操纵收到的日期以便于与截止日期进行比较：

ws[is.na(rec_date), rec_date := as.Date('2099-12-31')]
ws[
  due_date < '2017-08-01',
  .(
    over_total = .SD[rec_date > due_date, sum(due_amt)],
    over_outst = .SD[rec_date > '2017-08-01', sum(due_amt)]
  ),
  keyby = .(year(due_date), month(due_date))
]

结果：

    year month over_total over_outst
 1: 2016     9          0          0
 2: 2016    10        240          0
<truncated>
10: 2017     6        120        120
11: 2017     7        230        230

深入研究：前进cumsum？

到目前为止，我做得很好。但请考虑一下：

• 我们将来会收到多少金额（包括过去的会费）， 2017年3月底的时候？

对于单个日期，这不是什么大问题。虽然要注意排除在该日期之前尚未生效的任何合同。此外，如果您跳过中间部分，我已操纵rec_date以进行比较：

ws[is.na(rec_date), rec_date := as.Date('2099-12-31')]
ws[
  rec_date >= '2017-04-01' & start < '2017-04-01',
  .(bal = sum(due_amt))
]

结果：

bal
1: 3010

但是，是否有data.table方法可以为过去一个月找到这个数额？我可以写一个循环，但循环是麻烦，丑陋和缓慢。我想我正在寻找类似转发cumsum的内容，因此与keyby相结合，它或多或少等同于以下内容：

# To-be-collected amount by the end of each month, the loop way
result <- data.table(
  date = as.Date('2016-09-01') %m+% months(0L:11L)
)
for (i in 1L:result[, .N]) {
  temp <- ws[
    rec_date >= result[i, date] & start < result[i, date],
    .(bal = sum(due_amt))
  ]
  result[i, bal := temp]
}

结果：

          date  bal
 1: 2016-09-01 1440
 2: 2016-10-01 1320
 3: 2016-11-01 1200
 4: 2016-12-01 1080
 5: 2017-01-01  960
 6: 2017-02-01 3480
 7: 2017-03-01 3130
 8: 2017-04-01 3010
 9: 2017-05-01 2430
10: 2017-06-01 4240
11: 2017-07-01 3830
12: 2017-08-01 3530