我在数据集中有一组变量-我想根据以前的 all ，简单地计算所有这些变量的运行总计（以及运行平均值）。
进行说明。这就是我的数据的样子，包括我想生成的总运行变量。
country year X1 X2 X3 X4 X5 running_total
Bahamas 1990 0 0 0 0 1 NA
Bahamas 1991 0 0 1 1 0 1
Bahamas 1992 1 1 0 0 1 3
Bahamas 1993 0 0 0 0 0 6
Bahamas 1994 1 1 0 1 1 6
Bahamas 1995 0 0 1 0 0 10
Bahamas 1996 0 1 0 1 0 11
Bahamas 1997 1 0 1 0 1 13
Bahamas 1998 0 1 0 1 0 16
Bahamas 1999 1 0 1 0 1 18
Bahamas 2000 0 1 0 1 0 21
Bahamas 2001 1 0 1 0 1 23
Bahamas 2002 0 1 0 1 0 26
Bahamas 2003 1 0 0 0 1 28
Bahamas 2004 0 0 0 1 0 30
Bahamas 2005 1 1 0 0 0 31
Bahamas 2006 0 0 1 1 1 33
Bahamas 2007 1 0 0 0 0 36
Bahamas 2008 0 0 1 1 1 37
Bahamas 2009 1 1 0 0 0 40
Bahamas 2010 0 0 1 1 1 42
Bahamas 2011 1 1 0 0 0 45
Bolivia 1990 0 0 0 0 0 NA
Bolivia 1991 0 0 1 1 0 0
Bolivia 1992 0 0 0 0 0 2
Bolivia 1993 0 0 1 0 0 2
Bolivia 1994 0 0 0 0 0 3
Bolivia 1995 0 0 0 0 0 3
Bolivia 1996 0 0 0 0 0 3
Bolivia 1997 0 0 0 0 0 3
Bolivia 1998 0 0 0 0 0 3
Bolivia 1999 0 0 0 0 0 3
Bolivia 2000 0 1 0 1 0 3
Bolivia 2001 0 0 0 0 0 5
Bolivia 2002 0 0 0 0 0 5
Bolivia 2003 0 0 0 0 0 5
Bolivia 2004 0 0 0 0 0 5
Bolivia 2005 0 0 0 0 0 5
Bolivia 2006 0 0 0 0 0 5
Bolivia 2007 0 0 0 0 0 5
Bolivia 2008 0 0 0 0 1 5
Bolivia 2009 0 0 0 0 0 6
Bolivia 2010 0 0 0 0 1 6
Bolivia 2011 0 0 0 0 0 7
1990年开始== NA。例如，1991年的总计基于1990。1992年的总计基于1990-1991。 1993年的总运行量基于1990-1992年-1994年的总运行量基于1990-1993年。依此类推...直到2011年。然后，它对新国家B开始相同的程序。
我在下面尝试了以下代码，但是它不能按照我想要的方式工作。当然，我需要更好地指定它，但是如何呢？
DF$csum <- ave(DF$X1, DF$X2,DF$X3,DF$X4,DF$X5,FUN=cumsum)
此外，我想基于相同的逻辑生成运行平均值。
这里的任何帮助将不胜感激！
structure（list（country = country（c（1L，1L，1L，1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，2L，2L，2L， 2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L， 2L，2L），.Label = c（“ Bahamas”，“ Bolivia”），class =“ factor”）， 年= c（1990L，1991L，1992L，1993L，1994L，1995L，1996L， 1997L，1998L，1999L，2000L，2001L，2002L，2003L，2004L，2005L， 2006L，2007L，2008L，2009L，2010L，2011L，1990L，1991L，1992L， 1993L，1994L，1995L，1996L，1997L，1998L，1999L，2000L，2001L， 2002L，2003L，2004L，2005L，2006L，2007L，2008L，2009L，2010L， 2011L），X1 = c（0L，0L，1L，0L，1L，0L，0L，1L，0L，1L，0L， 1L，0L，1L，0L，1L，0L，1L，0L，1L，0L，1L，0L，0L，0L，0L， 0L，0L，0L，0L，0L，0L，0L，0L，0L，0L，0L，0L，0L，0L，0L， 0L，0L，0L），X2 = c（0L，0L，1L，0L，1L，0L，1L，0L，1L，0L， 1L，0L，1L，0L，0L，1L，0L，0L，0L，1L，0L，1L，0L，0L，0L， 0L，0L，0L，0L，0L，0L，0L，1L，0L，0L，0L，0L，0L，0L，0L， 0L，0L，0L，0L），X3 = c（0L，1L，0L，0L，0L，1L，0L，1L，0L， 1L，0L，1L，0L，0L，0L，0L，1L，0L，1L，0L，1L，0L，0L，1L， 0L，1L，0L，0L，0L，0L，0L，0L，0L，0L，0L，0L，0L，0L，0L， 0L，0L，0L，0L，0L），X4 = c（0L，1L，0L，0L，1L，0L，1L，0L， 1L，0L，1L，0L，1L，0L，1L，0L，1L，0L，1L，0L，1L，0L，0L， 1L，0L，0L，0L，0L，0L，0L，0L，0L，1L，0L，0L，0L，0L，0L， 0L，0L，0L，0L，0L，0L），X5 = c（1L，0L，1L，0L，1L，0L，0L， 1L，0L，1L，0L，1L，0L，1L，0L，0L，1L，0L，1L，0L，1L，0L， 0L，0L，0L，0L，0L，0L，0L，0L，0L，0L，0L，0L，0L，0L，0L， 0L，0L，0L，1L，0L，1L，0L），running_total = c（NA，1L，3L， 6L，6L，10L，11L，13L，16L，18L，21L，23L，26L，28L，30L， 31L，33L，36L，37L，40L，42L，45L，NA，0L，2L，2L，3L，3L， 3L，3L，3L，3L，3L，5L，5L，5L，5L，5L，5L，5L，5L，6L，6L， 7L）），. Names = c（“国家/地区”，“年份”，“ X1”，“ X2”，“ X3”，“ X4”，“ X5”，“ running_total”），类=“ data.frame”， row.names = c（NA， -44L））
答案 0 :(得分：2)
library(data.table)
setDT(df)
df[, xt := X1+X2+X3+X4+X5]
df[, rt2 := shift(cumsum(xt)), by = country]
实际上，可以通过单线解决：
df[, rt3 := {xt=X1+X2+X3+X4+X5; shift(cumsum(xt))}, by = country]
# Or as Ryan points out:
df[, rt2 := shift(cumsum(Reduce(`+`, .SD))) , by = country , .SDcols = grep('^X.*', names(df), value = T)]
所有结果：
country year X1 X2 X3 X4 X5 running_total xt rt2
1: Bahamas 1990 0 0 0 0 1 NA 1 NA
2: Bahamas 1991 0 0 1 1 0 1 2 1
3: Bahamas 1992 1 1 0 0 1 3 3 3
4: Bahamas 1993 0 0 0 0 0 6 0 6
5: Bahamas 1994 1 1 0 1 1 6 4 6
6: Bahamas 1995 0 0 1 0 0 10 1 10
7: Bahamas 1996 0 1 0 1 0 11 2 11
8: Bahamas 1997 1 0 1 0 1 13 3 13
9: Bahamas 1998 0 1 0 1 0 16 2 16
10: Bahamas 1999 1 0 1 0 1 18 3 18
11: Bahamas 2000 0 1 0 1 0 21 2 21
12: Bahamas 2001 1 0 1 0 1 23 3 23
13: Bahamas 2002 0 1 0 1 0 26 2 26
14: Bahamas 2003 1 0 0 0 1 28 2 28
15: Bahamas 2004 0 0 0 1 0 30 1 30
16: Bahamas 2005 1 1 0 0 0 31 2 31
17: Bahamas 2006 0 0 1 1 1 33 3 33
18: Bahamas 2007 1 0 0 0 0 36 1 36
19: Bahamas 2008 0 0 1 1 1 37 3 37
20: Bahamas 2009 1 1 0 0 0 40 2 40
21: Bahamas 2010 0 0 1 1 1 42 3 42
22: Bahamas 2011 1 1 0 0 0 45 2 45
23: Bolivia 1990 0 0 0 0 0 NA 0 NA
24: Bolivia 1991 0 0 1 1 0 0 2 0
25: Bolivia 1992 0 0 0 0 0 2 0 2
26: Bolivia 1993 0 0 1 0 0 2 1 2
27: Bolivia 1994 0 0 0 0 0 3 0 3
28: Bolivia 1995 0 0 0 0 0 3 0 3
29: Bolivia 1996 0 0 0 0 0 3 0 3
30: Bolivia 1997 0 0 0 0 0 3 0 3
31: Bolivia 1998 0 0 0 0 0 3 0 3
32: Bolivia 1999 0 0 0 0 0 3 0 3
33: Bolivia 2000 0 1 0 1 0 3 2 3
34: Bolivia 2001 0 0 0 0 0 5 0 5
35: Bolivia 2002 0 0 0 0 0 5 0 5
36: Bolivia 2003 0 0 0 0 0 5 0 5
37: Bolivia 2004 0 0 0 0 0 5 0 5
38: Bolivia 2005 0 0 0 0 0 5 0 5
39: Bolivia 2006 0 0 0 0 0 5 0 5
40: Bolivia 2007 0 0 0 0 0 5 0 5
41: Bolivia 2008 0 0 0 0 1 5 1 5
42: Bolivia 2009 0 0 0 0 0 6 0 6
43: Bolivia 2010 0 0 0 0 1 6 1 6
44: Bolivia 2011 0 0 0 0 0 7 0 7
country year X1 X2 X3 X4 X5 running_total xt rt2
答案 1 :(得分：2)
df = structure(list(country = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("Bahamas", "Bolivia"), class = "factor"), year = c(1990L, 1991L, 1992L, 1993L, 1994L, 1995L, 1996L, 1997L, 1998L, 1999L, 2000L, 2001L, 2002L, 2003L, 2004L, 2005L, 2006L, 2007L, 2008L, 2009L, 2010L, 2011L, 1990L, 1991L, 1992L, 1993L, 1994L, 1995L, 1996L, 1997L, 1998L, 1999L, 2000L, 2001L, 2002L, 2003L, 2004L, 2005L, 2006L, 2007L, 2008L, 2009L, 2010L, 2011L), X1 = c(0L, 0L, 1L, 0L, 1L, 0L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L), X2 = c(0L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 0L, 1L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L), X3 = c(0L, 1L, 0L, 0L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 0L, 0L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 0L, 1L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L), X4 = c(0L, 1L, 0L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L), X5 = c(1L, 0L, 1L, 0L, 1L, 0L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 0L, 1L, 0L), running_total = c(NA, 1L, 3L, 6L, 6L, 10L, 11L, 13L, 16L, 18L, 21L, 23L, 26L, 28L, 30L, 31L, 33L, 36L, 37L, 40L, 42L, 45L, NA, 0L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 6L, 6L, 7L)), .Names = c("country", "year", "X1", "X2", "X3", "X4", "X5", "running_total"), class = "data.frame", row.names = c(NA, -44L))
df <- df %>% mutate(sums = X1 + X2 + X3 +X4 + X5) %>%
group_by(country) %>% mutate(sum_shift = shift(sums),
sum_shift = ifelse(is.na(sum_shift), 0, sum_shift),
running_total = cumsum(sum_shift))
head(df)
country year X1 X2 X3 X4 X5 running_total sums sum_shift
1: Bahamas 1990 0 0 0 0 1 0 1 0
2: Bahamas 1991 0 0 1 1 0 1 2 1
3: Bahamas 1992 1 1 0 0 1 3 3 2
4: Bahamas 1993 0 0 0 0 0 6 0 3
5: Bahamas 1994 1 1 0 1 1 6 4 0
6: Bahamas 1995 0 0 1 0 0 10 1 4
这是dplyr解决方案，但它与数据表解决方案基本相同。我们创建一列，在其中汇总各行。然后，我们按国家/地区分组并求和，然后创建一个累计和。为了使总和起作用，我们必须将nas设置为0。
答案 2 :(得分：1)
使用dplyr和purrr的解决方案。我们可以用country分割数据帧，创建running_total列，然后合并数据帧。请注意，此解决方案不需要指定单个列名，例如X1和X2。 dat2是最终输出。
library(dplyr)
library(purrr)
dat2 <- dat %>%
split(.$country) %>%
map_dfr(~mutate(.x,
running_total =
as.integer(lag(cumsum(rowSums(select(.x, starts_with("X"))))))))
要计算移动平均值，我们可以通过将命令添加到mutate函数来遵循相同的逻辑。请注意，cummean函数来自dplyr包。
dat2 <- dat %>%
split(.$country) %>%
map_dfr(~mutate(.x,
running_total =
as.integer(lag(cumsum(rowSums(select(.x, starts_with("X")))))),
running_mean =
lag(cummean(rowSums(select(.x, starts_with("X")))))))
数据
dat <- structure(list(country = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("Bahamas", "Bolivia"), class = "factor"), year = c(1990L, 1991L, 1992L, 1993L, 1994L, 1995L, 1996L, 1997L, 1998L, 1999L, 2000L, 2001L, 2002L, 2003L, 2004L, 2005L, 2006L, 2007L, 2008L, 2009L, 2010L, 2011L, 1990L, 1991L, 1992L, 1993L, 1994L, 1995L, 1996L, 1997L, 1998L, 1999L, 2000L, 2001L, 2002L, 2003L, 2004L, 2005L, 2006L, 2007L, 2008L, 2009L, 2010L, 2011L), X1 = c(0L, 0L, 1L, 0L, 1L, 0L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L), X2 = c(0L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 0L, 1L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L), X3 = c(0L, 1L, 0L, 0L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 0L, 0L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 0L, 1L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L), X4 = c(0L, 1L, 0L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L), X5 = c(1L, 0L, 1L, 0L, 1L, 0L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 0L, 1L, 0L, 1L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 0L, 1L, 0L), running_total = c(NA, 1L, 3L, 6L, 6L, 10L, 11L, 13L, 16L, 18L, 21L, 23L, 26L, 28L, 30L, 31L, 33L, 36L, 37L, 40L, 42L, 45L, NA, 0L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 6L, 6L, 7L)), .Names = c("country", "year", "X1", "X2", "X3", "X4", "X5", "running_total"), class = "data.frame", row.names = c(NA, -44L))
dat$running_total <- NULL