r - 是否有像 rollapplyr 这样的快速 R 函数随着窗口大小的增加？

Question

我想通过滑动窗口对分组数据计算总和。

因为我想尽可能坚持官方功能，所以我开始使用 rollapplyr 是这样的:

library(tidyverse)
library(reshape2)
library(zoo)  

data = data.frame(Count=seq(1,10,1),
                  group=c("A","B","A","A","B","B","B","B","A","A"))


window_size <- 3    

data_rolling <- data %>%
  arrange(group) %>%
  group_by(group) %>%
  mutate(Rolling_Count = rollapplyr(Count, width=window_size, FUN=sum, fill = NA)) %>%
  ungroup()

对于小于宽度的第一个条目(在本例中为 3)，它会按照定义填充 NA，但实际上我希望像这样获得可能数据的总和:

 Count group Rolling_Count expected_Result
 1     A            NA    1
 3     A            NA    4
 4     A            8     8
 9     A            16    16
10     A            23    23
 2     B            NA    2
 5     B            NA    7
 6     B            13    13
 7     B            18    18
 8     B            21    21

我知道我可以用这样的东西替换 width=window_size:

c(rep(1:window_size,1),rep(window_size:window_size,(n()-window_size)))

得到我想要的，但这真的很慢。此外，这种方法会假设 n() 大于 window_size。

那么:是否已经有一个 R/zoo 函数可以像上面那样处理分组数据以及条目小于 window_size 的数据，并且比上述方法更快？

感谢任何提示!

Answer 1

一个基于 data.table 和 RcppRoll 的解决方案，性能应该更高。

它不像我想要的那么干净——实际上在 RcppRoll::roll_sum() 中有一个 partial 参数尚未实现，理论上可以解决这很干净，但似乎不会很快奏效 -- 参见 GH Issue #18 .

无论如何，直到有人在 R 中实现滚动总和以允许您在这里需要的东西，在第一个 n - 1 行上添加一个 cumsum 似乎是一个明智的解决方案。

library(data.table)
library(RcppRoll)

data = data.frame(Count=seq(1,10,1),
                  group=c("A","B","A","A","B","B","B","B","A","A"))

## Convert to a `data.table` by reference
setDT(data)
window_size <- 3    

## Add a counter row so that we can go back and fill in rows
## 1 & 2 of each group
data[,Group_RowNumber := seq_len(.N), keyby = .(group)]

## Do a rolling window -- this won't fill in the first 2 rows
data[,Rolling_Count := RcppRoll::roll_sum(Count,
                                          n = window_size,
                                          align = "right",
                                          fill = NA), keyby = .(group)]

## Go back and fill in the ones we missed
data[Group_RowNumber < window_size, Rolling_Count := cumsum(Count), by = .(group)]

data

#     Count group Group_RowNumber Rolling_Count
#  1:     1     A               1             1
#  2:     3     A               2             4
#  3:     4     A               3             8
#  4:     9     A               4            16
#  5:    10     A               5            23
#  6:     2     B               1             2
#  7:     5     B               2             7
#  8:     6     B               3            13
#  9:     7     B               4            18
# 10:     8     B               5            21