Question

我有一个数据框，其中每一行都是特定月份的公司。我有两列：金额和交易数量。我需要确定截至三个月的货币数量列至少为150.0，交易数量列至少为11的那些公司。我有大约50个月的观察时间。

在Stata中，我要做的是按ID和月份对数据进行排序，然后询问三个月的总和是否高于条件。我通过使用Stata的[_n]功能来做到这一点：将数据排序并置于观察[_n]中，我知道观察[_n-1]在上个月是同一家公司：

by id: replace auxactivado = 1 if auxactivado != 1 & !missing(amount) & ///
(amount[_n] + amount[_n-1]) > 150.00 & !missing(transac) & ///
(transac[_n] + transac[_n-1]) >= 10 & (mes[_n] == (mes[_n-1] + 1) | mes[_n] == 1 & mes[_n-1] == 12 & ao[_n] != ao[_n-1])

例如，在上面的Stata代码中，我检查是否在短短两个月内就满足了条件（我还检查了年份变化；在下面的数据中，我创建了一个辅助月份来对此进行调整，因此无需为此调整）。

我想在R中执行此操作，但不知道如何执行。我在网上进行了广泛查找，但无法提出解决方案。任何想法将不胜感激

month   year   monthaux           id    amount  transac
    2   2019         26      1201857     301.0     7
    3   2019         27      1201857     423.9     9
    4   2019         28      1201857     684.7    10
    5   2019         29      1201857     494.1     6
    4   2018         16      1202268     51       13
    5   2018         17      1202268     80       15
    2   2019         26      1202268     20       53
    6   2017          6      1202545     102.97    6
    7   2017          7      1202545     2429.6    1
    8   2017          8      1202545     1735.0    1

这是我的数据，以防万一。请注意，月份并不总是连续的：我只需要连续几个月检查条件即可。

我希望id 1201857显示为1（满足条件），1202268显示为0（满足交易，但由于无连续月份而没有金额），1202545显示为0（满足金额，不满足交易条件）

编辑：eastclintw00d一直在帮助我，并且这类数据在两个月内满足条件的情况下出现了一些麻烦。

id  month   year    amount  transac
2068814 9   2016    151.18  5
2068814 10  2016    206.36  7

2037434 8   2018    85.43   1
2037434 10  2018    744.91  4
2037434 11  2018    630.8   6
2037434 1   2019    596.33  3


structure(list(id = c(2068814L, 2068814L, 2037434L, 2037434L, 
2037434L, 2037434L, 2037434L, 2037434L, 2037434L, 2037434L, 2037434L, 
2037434L, 2037434L, 2037434L, 2037434L, 2037434L, 2037434L, 2037434L, 
2037434L, 2037434L, 2037434L, 2037434L), ao = c(2016L, 2016L, 
2017L, 2017L, 2017L, 2017L, 2017L, 2017L, 2018L, 2018L, 2018L, 
2018L, 2018L, 2018L, 2018L, 2018L, 2018L, 2018L, 2019L, 2019L, 
2019L, 2019L), mes = c(9L, 10L, 7L, 8L, 9L, 10L, 11L, 12L, 1L, 
2L, 3L, 4L, 5L, 6L, 7L, 8L, 10L, 11L, 1L, 3L, 4L, 5L), importe_dol = c(151.18, 
206.36, 268.85, 299.97, 63.99, 797.27, 525, 643.15, 108.58, 128.21, 
452.24, 403.25, 92, 1003.45, 158.96, 85.43, 744.91, 630.8, 596.33, 
574.02, 80.50351324, 444.9815415), cant_transac = c(5, 7, 2, 
1, 1, 2, 1, 2, 1, 1, 3, 1, 1, 3, 1, 1, 4, 6, 3, 4, 1, 3)), row.names = c(45L, 
811L, 10507L, 12459L, 15487L, 16601L, 19590L, 22927L, 27284L, 
30505L, 33036L, 36794L, 41810L, 43778L, 49722L, 54720L, 61910L, 
67047L, 77803L, 89001L, 97082L, 100933L), class = "data.frame")

Answer 1

假设您的表名为df，请尝试：

library(dplyr)
df  %>% 
  group_by(id, year, trimester = ceiling(month / 4)) %>% 
  summarise_at(vars(transac, amount), sum) %>% 
  mutate(criterion = if_else(transac >= 11 & amount >= 150, 1, 0))

鉴于您对妊娠期的澄清，以下代码可以解决问题。我首先创建三个关键变量的笛卡尔乘积，然后将您的数据框加入其中。我创建相关变量的第一和第二滞后，并检查它们是否符合条件。最后，我过滤出您要查找的条目。

library(dplyr)
library(tidyr)
crossing(
  data.frame(ao = min(df$ao):max(df$ao)),
  data.frame(mes = 1:12),
  data.frame(id = unique(df$id))
) %>% 
  left_join(df %>% mutate(original = 1), by = c("ao", "mes", "id")) %>% 
  arrange(id, ao, mes) %>% 
  mutate(
    cant_transac2 = if_else(id == lag(id), lag(cant_transac), NA_real_), 
    cant_transac3 = if_else(id == lag(id, 2), lag(cant_transac, 2), NA_real_), 
    importe_dol2 = if_else(id == lag(id), lag(importe_dol), NA_real_), 
    importe_dol3 = if_else(id == lag(id, 2), lag(importe_dol, 2), NA_real_), 
  ) %>% 
  replace_na(list(cant_transac2 = 0, cant_transac3 = 0, importe_dol2 = 0, importe_dol3 = 0)) %>% 
  mutate(criterion = if_else(cant_transac + cant_transac2 + cant_transac3 >= 11 & importe_dol + importe_dol2 + importe_dol3 >= 150, 1, NA_real_)) %>% 
  filter(original == 1) %>% 
  select(-original, -cant_transac2, -cant_transac3, -importe_dol2, -importe_dol3)

R-组内的和，且仅当另一个变量具有连续值时

1 个答案: