r - 使用一个数据帧对R中另一个数据帧的一系列数据求和

Question

我正在从 SAS 迁移到 R。我需要帮助弄清楚如何汇总日期范围内的天气数据。在 SAS 中，我采用日期范围，使用数据步骤为每个日期(使用 startdate、enddate、date)创建记录范围，与天气合并，然后汇总 (VAR hdd cdd; CLASS=startdate enddate sum=) 以汇总日期范围的值。

R代码:

startdate <- c(100,103,107)
enddate <- c(105,104,110)
billperiods <-data.frame(startdate,enddate);

得到:

> billperiods
startdate enddate
1       100     105
2       103     104
3       107     110

R代码:

weatherdate <- c(100:103,105:110)
hdd <- c(0,0,4,5,0,0,3,1,9,0)
cdd <- c(4,1,0,0,5,6,0,0,0,10)
weather <- data.frame(weatherdate,hdd,cdd)

得到:

> weather
   weatherdate hdd cdd
1          100   0   4
2          101   0   1
3          102   4   0
4          103   5   0
5          105   0   5
6          106   0   6
7          107   3   0
8          108   1   0
9          109   9   0
10         110   0  10

注意:缺少 weatherdate = 104。我可能一天都没有天气。

我不知道怎么去:

> billweather
  startdate enddate sumhdd sumcdd
1       100     105      9     10
2       103     104      5      0
3       107     110     13     10

sumhdd 是 hdd 从 startdate 到 enddate 天气 的总和>data.frame.

有什么想法吗？

Answer 1

这是一个使用 IRanges 和 data.table 的方法。看起来，对于这个问题，这个答案似乎有点矫枉过正。但总的来说，我发现使用 IRanges 来处理区间很方便，它们可能是多么简单。

# load packages
require(IRanges)
require(data.table)

# convert data.frames to data.tables
dt1 <- data.table(billperiods)
dt2 <- data.table(weather)

# construct Ranges to get overlaps
ir1 <- IRanges(dt1$startdate, dt1$enddate)
ir2 <- IRanges(dt2$weatherdate, width=1) # start = end

# find Overlaps
olaps <- findOverlaps(ir1, ir2)

# Hits of length 10
# queryLength: 3
# subjectLength: 10
#    queryHits subjectHits 
#     <integer>   <integer> 
#  1          1           1 
#  2          1           2 
#  3          1           3 
#  4          1           4 
#  5          1           5 
#  6          2           4 
#  7          3           7 
#  8          3           8 
#  9          3           9 
#  10         3          10 

# get billweather (final output)
billweather <- cbind(dt1[queryHits(olaps)], 
                dt2[subjectHits(olaps), 
                list(hdd, cdd)])[, list(sumhdd = sum(hdd), 
                sumcdd = sum(cdd)), 
                by=list(startdate, enddate)]

#    startdate enddate sumhdd sumcdd
# 1:       100     105      9     10
# 2:       103     104      5      0
# 3:       107     110     13     10

最后一行的代码分解: 首先，我在中间使用 queryHits、subjectHits 和 cbind 构建data.table 然后，我按 startdate、enddate 分组并得到 hdd 和 cdd 的总和>。为了更好地理解，如下所示单独查看该行更容易。

# split for easier understanding
billweather <- cbind(dt1[queryHits(olaps)], 
            dt2[subjectHits(olaps), 
            list(hdd, cdd)])
billweather <- billweather[, list(sumhdd = sum(hdd), 
            sumcdd = sum(cdd)), 
            by=list(startdate, enddate)]