我想循环遍历大型数据帧中的一长列列，并计算列的滞后值的累积总和。换句话说，我有点计算在每次观察之前已经“完成”了多少。
玩具数据框有助于使其更清晰。
id = c("a", "a", "a", "b", "b")
date = seq(as.Date("2015-12-01"), as.Date("2015-12-05"), by="days")
v1 = sample(seq(1, 20), 5)
v2 = sample(seq(1, 20), 5)
df = data.frame(id, date, v1, v2)
我希望它看起来像
id date v1 v2 v1Cum v2Cum
a 2015-12-01 1 13 0 0
a 2015-12-02 7 11 1 13
a 2015-12-03 12 2 8 24
b 2015-12-04 18 6 0 0
b 2015-12-05 4 9 18 6
因此，它不是id组中v1或v2的累积和，而是每个id的滞后值的累积和。
我可以在单个列上执行此操作没问题，但我似乎无法用循环来概括它：
vars = c("v1", "v2")
for (var in vars) {
lagname = paste(var, "Lag", sep="")
cumname = paste(var, "Cum", sep="")
df = arrange(df, id, date)
df = df %>%
group_by(id) %>%
mutate(!!lagname := dplyr::lag(var, n = 1, default = NA))
df[[lagname]] = ifelse(is.na(df[[lagname]]), 0, df[[lagname]])
df = df %>% group_by(id) %>% arrange(date) %>% mutate(!!cumname := cumsum(!!lagname))
}
正如我所见，问题是
有什么想法吗？谢谢您的帮助！ （我打算在休息几年后重新开始编码。但是，我的主要“语言”是Stata，所以我想我正在接近这一点。很高兴完全修改它！）
答案 0 :(得分：5)
如果我理解正确，以下情况应该有效：
可重复的样本数据（有3个变量求和）：
set.seed(123)
df = data.frame(
id = c("a", "a", "a", "b", "b"),
date = seq(as.Date("2015-12-01"), as.Date("2015-12-05"), by="days"),
v1 = sample(seq(1, 20), 5),
v2 = sample(seq(1, 20), 5),
v3 = sample(seq(1, 20), 5)
)
> df
id date v1 v2 v3
1 a 2015-12-01 6 1 20
2 a 2015-12-02 15 11 9
3 a 2015-12-03 8 17 13
4 b 2015-12-04 16 10 10
5 b 2015-12-05 17 8 2
按ID分组，按日期排序（如果它们不按顺序排列），＆amp;对两个命名变量之间的所有命名变量进行mutate（在本例中为v1:v3）：
df %>%
group_by(id) %>%
arrange(date) %>%
mutate_at(vars(v1:v3), funs(Cum = cumsum(lag(., default = 0)))) %>%
ungroup()
# A tibble: 5 x 8
# Groups: id [2]
id date v1 v2 v3 v1_Cum v2_Cum v3_Cum
<fctr> <date> <int> <int> <int> <int> <int> <int>
1 a 2015-12-01 6 1 20 0 0 0
2 a 2015-12-02 15 11 9 6 1 20
3 a 2015-12-03 8 17 13 21 12 29
4 b 2015-12-04 16 10 10 0 0 0
5 b 2015-12-05 17 8 2 16 10 10
答案 1 :(得分：3)
我使用了与Z.Lin类似的方法。
您需要知道的另一件事是：
您需要使用UQ(rlang::sym(cumname))之类的语法将字符转换为dplyr中的表达式可执行文件，因为dplyr使用非标准评估。
library(dplyr)
id = c("a", "a", "a", "b", "b")
date = seq(as.Date("2015-12-01"), as.Date("2015-12-05"), by="days")
set.seed(1)
v1 = sample(seq(1, 20), 5)
set.seed(2)
v2 = sample(seq(1, 20), 5)
df = data.frame(id, date, v1, v2)
var_list <- c("v1","v2")
cumname <- "Cum"
df %>%
group_by(id) %>%
mutate_at(vars(one_of(var_list)),
funs(UQ(rlang::sym(cumname)) := cumsum(lag(.,default = 0)))) %>%
ungroup()
正如andrew-reece所提到的，语法!!cumname := ...的工作方式相同，而且更方便：
df %>%
group_by(id) %>%
mutate_at(vars(one_of(var_list)),
funs(!!cumname := cumsum(lag(.,default = 0)))) %>%
ungroup()
答案 2 :(得分：3)
以下是使用data.table的解决方案。
id <- c("a", "a", "a", "b", "b")
date <- seq(as.Date("2015-12-01"), as.Date("2015-12-05"), by="days")
v1 <- sample(seq(1, 20), 5)
v2 <- sample(seq(1, 20), 5)
df <- data.frame(id, date, v1, v2)
df
id date v1 v2
1 a 2015-12-01 19 9
2 a 2015-12-02 3 17
3 a 2015-12-03 7 14
4 b 2015-12-04 10 15
5 b 2015-12-05 8 11
library(data.table)
tab <- as.data.table(df)[, (c("v1Cum", "v2Cum")) := lapply(.SD, function(x) {
# Shift v1 and v2.
xs <- shift(x)
# Cumulate those values, making an allowance for <NA> values created by the
# shift function.
cumsum(ifelse(is.na(xs), 0, xs))
}), by = id, .SDcols = c("v1", "v2")]
tab[]
id date v1 v2 v1Cum v2Cum
1: a 2015-12-01 19 9 0 0
2: a 2015-12-02 3 17 19 9
3: a 2015-12-03 7 14 22 26
4: b 2015-12-04 10 15 0 0
5: b 2015-12-05 8 11 10 15
答案 3 :(得分：3)
考虑一个带有ave的简单基数R：
set.seed(22)
id = c("a", "a", "a", "b", "b")
date = seq(as.Date("2015-12-01"), as.Date("2015-12-05"), by="days")
v1 = sample(seq(1, 20), 5)
v2 = sample(seq(1, 20), 5)
df = data.frame(id, date, v1, v2)
for (col in c("v1", "v2")) {
df[[paste0(col, "_cum")]] <- ave(df[[col]], df$id, FUN=function(x)
cumsum(c(0,x[1:(length(x)-1)])))
}
print(df)
# id date v1 v2 v1_cum v2_cum
# a 2015-12-01 7 15 0 0
# a 2015-12-02 10 12 7 15
# a 2015-12-03 18 14 17 27
# b 2015-12-04 9 8 0 0
# b 2015-12-05 14 6 9 8