r - 从 R 中每个组第一次越过阈值的列中获取值

Question

我有很多人的交易 list 。我想知道每个特定的人何时超过了总交易量的特定阈值。

这是我已经做过的一个例子:
示例数据集:

df <- data.frame(name = rep(c("a","b"),4), 
    dates = seq(as.Date("2017-01-01"), by = "month", length.out = 8), amt = 11:18)
setorderv(df, "name")

这给了我以下数据框

  name      dates amt
1    a 2017-01-01  11
3    a 2017-03-01  13
5    a 2017-05-01  15
7    a 2017-07-01  17
2    b 2017-02-01  12
4    b 2017-04-01  14
6    b 2017-06-01  16
8    b 2017-08-01  18

然后我编写了以下代码来查找累积和

df$cumsum <- ave(df$amt, df$name, FUN = cumsum)

这给了我以下数据框:

  name      dates amt cumsum
1    a 2017-01-01  11     11
3    a 2017-03-01  13     24
5    a 2017-05-01  15     39
7    a 2017-07-01  17     56
2    b 2017-02-01  12     12
4    b 2017-04-01  14     26
6    b 2017-06-01  16     42
8    b 2017-08-01  18     60

现在我想知道每个人何时跨过 20 和 40。我编写了以下代码来找出答案:

names <- unique(df$name)    
for (i in seq_along(names)){
    x1 <- Position(function(x) x >= 20, df$cumsum[df$name == names[i]])
    x2 <- Position(function(x) x >= 40, df$cumsum[df$name == names[i]])

    result_df[i,] <- c(df$name[i], 
                         df[df$name == names[i],2][x1],
                         df[df$name == names[i],2][x2])
}

此代码检查越过阈值的位置并将行号存储在变量中。然后从第二列的该行中提取值并将其存储在另一个数据框中。

问题是，这段代码真的很慢。我的数据集中有超过 200,000 人，超过 1000 万行。前 50 个用户执行此代码大约需要 25 秒，这意味着整个数据集可能需要大约 30 小时。

有没有更快的方法来做到这一点？

Answer 1

使用 dplyr 您可以按人分组，当 cumsum 大于 >20 或大于 >40 时进行过滤，然后使用 slice(1) 选择每人的第一个相关行。应该比 for 循环快得多。

df <- read.table(text = '
name      dates amt cumsum
a 2017-01-01  11     11
a 2017-03-01  13     24
a 2017-05-01  15     39
a 2017-07-01  17     56
b 2017-02-01  12     12
b 2017-04-01  14     26
b 2017-06-01  16     42
b 2017-08-01  18     60', header = T)

df %>% 
  group_by(name) %>% 
  filter(cumsum > 20) %>% 
  slice(1)

       name      dates   amt cumsum
      <fctr> <fctr> <int>  <int>
1      a 2017-03-01    13     24
2      b 2017-04-01    14     26

df %>% 
  group_by(name) %>% 
  filter(cumsum > 40) %>% 
  slice(1)

   name      dates   amt cumsum
  <fctr>     <fctr> <int>  <int>
      a 2017-07-01    17     56
      b 2017-06-01    16     42

当然，您随后可以 rbind 这些数据帧并安排在人身上。这有帮助吗？