Question

这里有一个简单的例子来说明我的问题：我有两个数据表（data.table对象），一个非常大的表，表A，有400万个产品，它们记录在日期并且有 ex（盗版）日期< / em>的。在这两个日期期间，如果产品的期限涵盖某个 payment_date ，产品将支付某个金额，后两个变量将在第二个表B中收集。

表A的负责人：

date exdate unique_id 1: 1999-01-04 1999-09-18 294 2: 1999-01-04 1999-09-18 295 3: 1999-01-04 1999-09-18 296 4: 1999-01-04 1999-09-18 297 5: 1999-01-04 1999-09-18 298 6: 1999-01-05 1999-09-18 299

表B的负责人：

payment_date amount 1: 1998-06-30 4.18 2: 1998-09-30 4.26 3: 1998-12-31 4.00 4: 1999-03-31 4.01 5: 1999-06-30 4.18 6: 1999-09-30 4.45

重要的是，表A中的产品具有不同的期间长度，因此对于一些产品有多个付款日期，而有些则没有（日期在％Y％M％D）。

我现在想要收集A中所有金额和付款日期的每个产品，直到其到期日为止。当然，这可以通过for循环来实现，但是考虑到巨大的表格，这非常讨厌。因此，我想使用更快的data.table方法。

现在，以下内容为金额提供了技巧：

tmp <- B[A,on=.(payment_date>date, payment_date<=exdate),.(amount,unique_id,payment_date),by=.EACHI] colnames(tmp)<-c("date","exdate","amount","unique_id","payment_date")

输出如下：

date exdate amount unique_id payment_date 1: 1999-01-04 1999-09-18 4.01 294 1999-03-31 2: 1999-01-04 1999-09-18 4.18 294 1999-03-31 3: 1999-01-04 1999-09-18 4.01 295 1999-03-31 4: 1999-01-04 1999-09-18 4.18 295 1999-03-31 5: 1999-01-04 1999-09-18 4.01 296 1999-03-31 6: 1999-01-04 1999-09-18 4.18 296 1999-03-31 7: 1999-01-04 1999-09-18 4.01 297 1999-03-31 8: 1999-01-04 1999-09-18 4.18 297 1999-03-31 9: 1999-01-04 1999-09-18 4.01 298 1999-03-31

我的问题是data.table只给我每个金额的第一个payment_date，所以尽管这些产品在其生命周期中明显有两个付款日期，但我只得到（1999-03-31,1999-03-31），而不是（1999-03-31,1999-06-30）。

是否有人知道我如何告诉data.table为我提供金额和payment_dates的相应向量，而不仅仅是每个产品的金额和payment_dates向量的第一个元素？

我希望这个例子涵盖了我的整个斗争，如果还需要更多东西让事情更清楚，请告诉我。任何帮助都非常感谢。

P.S：当然我也尝试了sapply（），但是像往常一样，它就像for循环一样，并且与data.table方法相比不会节省太多时间。

Answer 1

奇怪，但如果将一份payment_date添加到B似乎正常工作

let

Answer 2

您的数据

A <- structure(list(date = structure(c(10595, 10595, 10595, 10595, 
10595, 10596), class = "Date"), exdate = structure(c(10852, 10852, 
10852, 10852, 10852, 10852), class = "Date"), unique_id = 294:299), class = "data.frame", .Names = c("date", 
"exdate", "unique_id"), row.names = c(NA, -6L))

B <- structure(list(payment_date = structure(c(10407, 10499, 10591, 
10681, 10772, 10864), class = "Date"), amount = c(4.18, 4.26, 
4, 4.01, 4.18, 4.45)), class = "data.frame", .Names = c("payment_date", 
"amount"), row.names = c(NA, -6L))

tidyverse解决方案

您可以使用tidyr:nest和purrr:map来完成此操作。 dplyr:between是x >= left_arg & x <= right_arg

的包装器

library(tidyverse)
A %>% 
  mutate(copy1=date, copy2=exdate) %>%
  nest(copy1, copy2) %>%                         # nest copies of date and exdate
  mutate(data = map(data, ~B %>% filter(between(payment_date, .x$copy1, .x$copy2)))) %>%               # filter B where payment_date is between date and ex_date of A[row,]
  unnest(data)

输出

         date     exdate unique_id payment_date amount
       <date>     <date>     <int>       <date>  <dbl>
 1 1999-01-04 1999-09-18       294   1999-03-31   4.01
 2 1999-01-04 1999-09-18       294   1999-06-30   4.18
 3 1999-01-04 1999-09-18       295   1999-03-31   4.01
 4 1999-01-04 1999-09-18       295   1999-06-30   4.18
 5 1999-01-04 1999-09-18       296   1999-03-31   4.01
 6 1999-01-04 1999-09-18       296   1999-06-30   4.18
 7 1999-01-04 1999-09-18       297   1999-03-31   4.01
 8 1999-01-04 1999-09-18       297   1999-06-30   4.18
 9 1999-01-04 1999-09-18       298   1999-03-31   4.01
10 1999-01-04 1999-09-18       298   1999-06-30   4.18
11 1999-01-05 1999-09-18       299   1999-03-31   4.01
12 1999-01-05 1999-09-18       299   1999-06-30   4.18

R：嵌套的data.table操作

2 个答案:

您的数据

tidyverse解决方案

输出