我正在处理多家公司的一些历史财务数据。
我的data.frames / tables具有以下形式：
library(data.table)
dt <- data.table(company = rep(1:2, each = 9),
period = c(1, 2, 2, 2, 3, 3, 4, 5, 6), # recycled
result = c(1, 2, 3, 4, 5, 6, 7, 8, 9), # recycled
filingDate = as.Date(c('2000-01-01', # 1 1
'2000-02-01', # 2 2
'2000-02-02', # 2 3
'2000-03-02', # 2 4
'2000-03-01', # 3 5
'2000-03-02', # 3 6
'2000-04-01', # 4 7
'2000-05-01', # 5 8
'2000-06-01', # 6 9
# company 2
'2000-03-01', # 1 1
'2000-04-01', # 2 2
'2000-04-02', # 2 3
'2000-05-02', # 2 4
'2000-05-01', # 3 5
'2000-06-02', # 3 6
'2000-06-01', # 4 7
'2000-07-01', # 5 8
'2000-08-01'))) # 6 9
dt
#> company period result filingDate
#> 1: 1 1 1 2000-01-01
#> 2: 1 2 2 2000-02-01
#> 3: 1 2 3 2000-02-02
#> 4: 1 2 4 2000-03-02
#> 5: 1 3 5 2000-03-01
#> 6: 1 3 6 2000-03-02
#> 7: 1 4 7 2000-04-01
#> 8: 1 5 8 2000-05-01
#> 9: 1 6 9 2000-06-01
#> 10: 2 1 1 2000-03-01
#> 11: 2 2 2 2000-04-01
#> 12: 2 2 3 2000-04-02
#> 13: 2 2 4 2000-05-02
#> 14: 2 3 5 2000-05-01
#> 15: 2 3 6 2000-06-02
#> 16: 2 4 7 2000-06-01
#> 17: 2 5 8 2000-07-01
#> 18: 2 6 9 2000-08-01
由reprex package（v0.3.0）于2019-12-26创建
因此，我在这里有两家不同公司在6个期间（即季度）内报告的结果。但是，公司有时会注意到他们报告了错误，在这种情况下，他们会重述。在此示例中，公司必须对期间2进行两次重述（总计三份报告），并针对期间3进行重述。
这些报告/重述的上交日期显示在filingDate中。
现在，我想计算每个公司随时间推移的两个（或多个）期间的已知滚动总和。
如果每个时期只有一份申请，那么dt[, rSum = frollsum(result, 2), by = company]可以轻松实现。
但是，由于每个期间我们可以提交多个申请，因此我们需要将其过滤到“当前日期”已知的最新申请，因为我们可以在提交了以下期间之后重新声明期间。例如，公司3在2000-03-01提交申请后，公司1在2000-03-02进行了2期重述。
因此，预期输出为：
#> company period rSum filingDate
#> 1: 1 1 1 2000-01-01
#> 2: 1 2 3 2000-02-01 # 2 + 1
#> 3: 1 2 4 2000-02-02 # 3 + 1
#> 4: 1 2 5 2000-03-02 # 4 + 1 (optional row, see below)
#> 5: 1 3 8 2000-03-01 # 5 + 3
#> 6: 1 3 10 2000-03-02 # 6 + 4
#> 7: 1 4 13 2000-04-01 # 7 + 6
#> 8: 1 5 15 2000-05-01 # 8 + 7
#> 9: 1 6 17 2000-06-01 # 9 + 8
#> 10: 2 1 1 2000-03-01
#> 11: 2 2 3 2000-04-01 # 2 + 1
#> 12: 2 2 4 2000-04-02 # 3 + 1
#> 13: 2 3 8 2000-05-01 # 5 + 3
#> 14: 2 3 9 2000-05-02 # 5 + 4
#> 15: 2 4 12 2000-06-01 # 7 + 5
#> 16: 2 4 13 2000-06-02 # 7 + 6
#> 17: 2 5 15 2000-07-01 # 8 + 7
#> 18: 2 6 17 2000-08-01 # 9 + 8
这里有一些细微差别，应该加以明确说明。
查看输入表dt的第4行和第6行，我们看到公司1在2000-03-02上对期间2和3进行了两次重述。由于我们获得了期间3的结果，因此不再在期间2中，因此相关的“最新” rSum是期间3。这就是为什么上面的预期输出将第4行显示为可选的原因：我真的只关心第6行上的rSum，但是任何包含第4行上的虚拟结果的解决方案也都很好。
更复杂的是在输入的第15行和预期的输出16中发生的情况：公司2在2000-06-02重新陈述了其期间3的结果。但是，到那时，我们已经获得了期间4（2000年6月1日给出）的结果。因此，再次重申，该日期的“最新” rSum实际上是在周期3和周期4（6 + 7 = 13）之间，并且应该与最近的周期4相关，而不是3。
我看不出如何优雅地做到这一点。我所能想到的就是获取所有唯一的归档日期并在它们之间进行for-loop，以便获得以前期间的最新结果。并且请注意，这甚至不能满足上面的第二个细微差别，因为2000-06-02的结果与期间3有关。
r <- c()
for(comp in unique(dt$company)) {
x <- dt[company == comp]
for(d in x[, sort(unique(filingDate))]) {
y <- tail(x[filingDate <= d,
.SD[filingDate == max(filingDate)],
by = .(company, period)], 2)
r <- c(r, sum(y$result))
}
}
x <- dt[, .SD[period == max(period)],
by = .(company, filingDate)]
setorder(x, company, filingDate, period)
x[, rSum := r]
setorder(x, company, period, filingDate)
x
#> company filingDate period result rSum
#> 1: 1 2000-01-01 1 1 1
#> 2: 1 2000-02-01 2 2 3
#> 3: 1 2000-02-02 2 3 4
#> 4: 1 2000-03-01 3 5 8
#> 5: 1 2000-03-02 3 6 10
#> 6: 1 2000-04-01 4 7 13
#> 7: 1 2000-05-01 5 8 15
#> 8: 1 2000-06-01 6 9 17
#> 9: 2 2000-03-01 1 1 1
#> 10: 2 2000-04-01 2 2 3
#> 11: 2 2000-04-02 2 3 4
#> 12: 2 2000-05-02 2 4 9
#> 13: 2 2000-05-01 3 5 8
#> 14: 2 2000-06-02 3 6 13 # should be Period 4
#> 15: 2 2000-06-01 4 7 12
#> 16: 2 2000-07-01 5 8 15
#> 17: 2 2000-08-01 6 9 17
不过，这感觉很不符合R，所以有没有更惯用的方法呢？
答案 0 :(得分：1)
一种选择是使用非等额联接：
winsz <- 2L
dt[, c("start", "end") := .(period - winsz + 1L, period)]
dt[, rSum :=
dt[dt, on=.(company, end>=start, end<=end),
by=.EACHI, i.result +
#filter right table for rows with periods before current period and filingDate before current filingDate
#and select the latest result for each period and then sum those result
sum(.SD[period<i.period & filingDate<=i.filingDate, result[.N], period]$V1)
]$V1
]
输出：
company period result filingDate start end rSum
1: 1 1 1 2000-01-01 0 1 1
2: 1 2 2 2000-02-01 1 2 3
3: 1 2 3 2000-02-02 1 2 4
4: 1 2 4 2000-03-02 1 2 5
5: 1 3 5 2000-03-01 2 3 8
6: 1 3 6 2000-03-02 2 3 10
7: 1 4 7 2000-04-01 3 4 13
8: 1 5 8 2000-05-01 4 5 15
9: 1 6 9 2000-06-01 5 6 17
10: 2 1 1 2000-03-01 0 1 1
11: 2 2 2 2000-04-01 1 2 3
12: 2 2 3 2000-04-02 1 2 4
13: 2 2 4 2000-05-02 1 2 5
14: 2 3 5 2000-05-01 2 3 8
15: 2 3 6 2000-06-02 2 3 10
16: 2 4 7 2000-06-01 3 4 12
17: 2 5 8 2000-07-01 4 5 15
18: 2 6 9 2000-08-01 5 6 17
数据：
library(data.table)
dt <- data.table(company = rep(1:2, each = 9),
period = c(1, 2, 2, 2, 3, 3, 4, 5, 6),
result = c(1, 2, 3, 4, 5, 6, 7, 8, 9),
filingDate = as.Date(c('2000-01-01','2000-02-01','2000-02-02','2000-03-02','2000-03-01','2000-03-02','2000-04-01','2000-05-01','2000-06-01','2000-03-01','2000-04-01','2000-04-02','2000-05-02','2000-05-01','2000-06-02','2000-06-01','2000-07-01','2000-08-01')))
dt[, filingDate := as.IDate(filingDate, format="%Y-%m-%d")]