r - 在R中: how to sum a variable by group between two dates

Question

我有两个数据框(DF1 和 DF2):

(1) DF1 包含个体级别的信息，即 11 年(2000-2011)期间嵌套在 30 个单元中的 10,000 个人的信息。它包含四个变量:

1. “个人”(每个人的数字 ID；范围为 1-10.000)
2. “单元”(每个单元的数字 ID；范围为 1-30)
3. “date1”(日期格式的日期，即2000-01-01等；范围从2000-01-01到2010-12-31)
4. “日期2”(“日期1”+ 1 年)

(2) DF2 包含单位级别的信息，即同一时间段(2000-2011)内与 DF1 相同的 30 个单位的信息，并进一步包含一个数字变量(“x” ):

1. “单元”(每个单元的数字 ID；范围为 1-30)
2. “date”(日期格式的日期，即2000-01-01等；范围从2000-01-01到2011-12-31)
3. “x”(数字变量，范围从 0 到 200)

我想创建新变量(“newvar”)，为每个“单位”的每个“个体”提供从“date1”(DF1)到“date2”(DF2)计数的“x”(DF2)的总和)。这意味着我想将这个新变量添加到 DF1。

例如，如果“unit”=1中的“individual”=1，则“date1”=2000-01-01和“date2”=2001-01-01，并且在DF2中“unit”=1有三个观察值在时间段“date1”到“date2”(即2000-01-01到2001-01-01)中“x”=1，“x”=2和“x”=3，那么我想添加一个新变量，在“unit”=1“newvar”=6中给出“individual”=1。

我假设我需要在 R 中使用 for 循环并且一直在使用以下代码:

for(i in length(DF1)){

DF1$newvar[i] <-sum(DF2$x[which(DF1$date == DF1$date1[i] &
                     DF1$date == DF1P$date1[i] &
                     DF2$unit == DF1P$unit[i]),])

}

但收到错误消息:

Error in DF2$x[which(DF2$date ==  : incorrect number of dimensions 

任何有关如何创建此变量的想法将不胜感激!

这是一个小示例以及预期输出，为了简单起见，使用一个单位:

假设 DF1 如下所示:

individual  unit  date1        date2   
1           1     2000-01-01   2001-01-01
2           1     2000-02-02   2001-02-02
3           1     2000-03-03   2000-03-03
4           1     2000-04-04   2000-04-04
5           1     2000-12-31   2001-12-31 
(...)
996         1     2010-01-01   2011-01-01
997         1     2010-02-15   2011-02-15
998         1     2010-03-05   2011-03-05
999         1     2010-04-10   2011-04-10
1000        1     2010-12-27  2011-12-27
1001        2     2000-01-01   2001-01-01
1002        2     2000-02-02   2001-02-02
1003        2     2000-03-03   2000-03-03
1004        2     2000-04-04   2000-04-04
1005        2     2000-12-31   2001-12-31 
(...)
1996        2     2010-01-01   2011-01-01
1997        2     2010-02-15   2011-02-15
1998        2     2010-03-05   2011-03-05
1999        2     2010-04-10   2011-04-10
2000        2     2010-12-027  2011-12-27
(...)
3000        34    2000-02-02   2002-02-02
3001        34    2000-05-05   2001-05-05
3002        34    2000-06-06   2001-06-06
3003        34    2000-07-07   2001-07-07
3004        34    2000-11-11   2001-11-11
(...)
9996        34    2010-02-06   2011-02-06
9997        34    2010-05-05   2011-05-05
9998        34    2010-09-09   2011-09-09 
9999        34    2010-09-25   2011-09-25
10000       34    2010-10-15   2011-10-15

假设 DF2 如下所示:

unit      date         x
1         2000-01-01   1
1         2000-05-01   2
1         2000-12-01   3
1         2001-01-02   10
1         2001-07-05   20
1         2001-12-31   30
(...) 
2         2010-05-05   1 
2         2010-07-01   1
2         2010-08-09   1
3         (...)

这就是我希望 DF1 在运行代码后的样子:

individual  unit      date1        date2        newvar  
    1           1     2000-01-01   2001-01-01   6
    2           1     2000-02-02   2001-02-02   16
    3           1     2000-03-03   2001-03-03   15
    4           1     2000-04-04   2001-04-04   15
    5           1     2000-12-31   2001-12-31   60
    (...)
    996         1     2010-01-01   2011-01-01    3
    997         1     2010-02-15   2011-02-15    2
    998         1     2010-03-05   2011-03-05    2
    999         1     2010-04-10   2011-04-10    2
    1000        1     2010-12-27  2011-12-27     0
    (...)

但是，我不能简单地进行汇总:想象一下，在 DF1 中，每个“单元”在 2000 年至 2011 年间每年都有数百个个体。而 DF2 在 2000 年至 2011 年间对每个单元都有许多观察结果。

Answer 1

我们可以使用data.table

library(data.table)
setDT(DF1)
setDT(DF2)
DF1[DF2[, .(newvar = sum(x)), .(unit, individual = cumsum(date %in% DF1$date1))],
             newvar := newvar, on = .(individual, unit)]
DF1
#    individual unit      date1      date2 newvar
#1:          1    1 2000-01-01 2001-01-01      6
#2:          2    1 2001-01-02 2002-01-02     60

---

或者我们可以使用非等值连接

DF1[DF2[DF1, sum(x), on = .(unit, date >= date1, date <= date2),
        by = .EACHI], newvar := V1, on = .(unit, date1=date)]

DF1
#   individual unit      date1      date2 newvar
#1:          1    1 2000-01-01 2001-01-01      6
#2:          2    1 2001-01-02 2002-01-02     60