r - 按组清除 R 数据框中的行

Question

这是我的数据框的样子:

df <- read.table(text='
    CustomerName    Sales          TradeDate
    John           1000              1/1/2015
    John          -1000              1/1/2015
    John           1000              1/1/2015
    John           5000              2/1/2015
    John          -2000              3/1/2015
    John           2000              3/2/2015
    John           2000              3/3/2015
    John          -2000              3/4/2015
    John           2000              3/5/2015
    John           2000              3/6/2015
    John          -3000              4/1/2015
    John           3000              4/1/2015
    John          -3000              4/1/2015
    John           2000              5/1/2015
    John          -2000              5/1/2015
    John           2000              5/1/2015
    Tom            1000              1/1/2015
    Tom           -1000              1/1/2015
    Tom            1000              1/1/2015
    Tom            5000              2/1/2015
    Tom           -2000              3/1/2015
    Tom            2000              3/1/2015
    Tom           -2000              3/1/2015
    Tom            2000              3/1/2015
    Tom            2000              3/1/2015
    Tom           -3000              4/1/2015
    Tom            3000              4/1/2015
    Tom           -3000              4/1/2015
                                             ', header=T)

我想去掉所有数量相等，符号相反(+，-)的销售额，只显示剩余的净销售额(最好是最早的日期，但无论哪种方式都无所谓)。我想要的数据框看起来像这样

CustomerName    Sales   TradeDate
John            1000    1/1/2015
John            5000    2/1/2015
John            2000    3/3/2015
John            2000    3/6/2015
John           -3000    4/1/2015
John            2000    5/1/2015
Tom             1000    1/1/2015
Tom             5000    2/1/2015
Tom             2000    3/1/2015
Tom            -3000    4/1/2015

我从 2015 年 3 月 3 日和 2015 年 3 月 6 日选择了两个 2000 年(John 的案例是 3 月份)。但我也同意在 2015 年 3 月 2 日或 2015 年 3 月 5 日给了我两个 2000 的输出。非常感谢您的帮助!

Answer 1

在 data.table 中，我会这样做:

library(data.table)

# identify how many transactions we need to keep
setDT(df)[,
    n_keep := sum(Sales)/transval
,by=.(CustomerName,transval=abs(Sales))]

# tag those transactions
df[sign(Sales)==sign(n_keep),
    keep := 1:.N %in% tail(1:.N,abs(n_keep[1]))
,by=.(CustomerName,Sales)]

# keep 'em
df[(keep)][,c("n_keep","keep"):=NULL][]

给出

   CustomerName Sales TradeDate
1:         John  1000  1/1/2015
2:         John  5000  2/1/2015
3:         John  2000  3/5/2015
4:         John  2000  3/6/2015
5:         John -3000  4/1/2015
6:          Tom  1000  1/1/2015
7:          Tom  5000  2/1/2015
8:          Tom  2000  3/1/2015
9:          Tom -3000  4/1/2015

我确信我的代码可以简化，但我认为这些步骤非常透明。