r - dplyr:使用滚动时间窗口对数据进行分组和汇总/变异

Question

我有代表用户某种交易类型的不规则时间序列数据。每行数据都带有时间戳，表示当时的事务。由于数据的不规则性质，某些用户一天可能有100行，而其他用户一天可能有0或1个事务。

数据可能看起来像这样:

data.frame(
  id = c(1, 1, 1, 1, 1, 2, 2, 3, 4),
  date = c("2015-01-01", 
           "2015-01-01", 
           "2015-01-05", 
           "2015-01-25",
           "2015-02-15",
           "2015-05-05", 
           "2015-01-01", 
           "2015-08-01", 
           "2015-01-01"),
  n_widgets = c(1,2,3,4,4,5,2,4,5)
)

   id       date n_widgets
1  1 2015-01-01         1
2  1 2015-01-01         2
3  1 2015-01-05         3
4  1 2015-01-25         4
5  1 2015-02-15         4
6  2 2015-05-05         5
7  2 2015-01-01         2
8  3 2015-08-01         4
9  4 2015-01-01         5

通常，我想了解一些有关用户的滚动统计信息。例如:对于该用户在某天，在过去30天中发生了多少笔交易，在过去30天中售出了多少小部件，等等。

对应于以上示例，数据应如下所示:

   id     date    n_widgets  n_trans_30  total_widgets_30
1  1 2015-01-01         1           1             1
2  1 2015-01-01         2           2             3
3  1 2015-01-05         3           3             6
4  1 2015-01-25         4           4             10
5  1 2015-02-15         4           2             8
6  2 2015-05-05         5           1             5
7  2 2015-01-01         2           1             2
8  3 2015-08-01         4           1             4
9  4 2015-01-01         5           1             5

如果时间窗口是每天，那么解决方法很简单: data %>% group_by(id, date) %>% summarize(...)
同样，如果时间窗口是每月，则使用lubridate也相对简单: data %>% group_by(id, year(date), month(date)) %>% summarize(...)
但是我面临的挑战是如何设置一个任意时段的时间窗口:5天，10天等。

还有 RcppRoll库，但是 RcppRoll和 zoo中的滚动功能似乎都为常规时间序列设置了更多内容。据我所知，这些窗口函数基于行数而不是指定的时间段工作-关键的区别在于，根据日期和用户，特定时间段的行数可能不同。

例如，对于用户1， 2015-01-01的前5天的交易数等于100个交易，对于同一用户， 2015-02-01的前5天的交易数等于5个交易。因此，回顾一定数量的行将根本行不通。

此外，还有另一个SO线程讨论不规则时间序列类型数据( Create new column based on condition that exists within a rolling date)的滚动日期，但是公认的解决方案是使用 data.table，我正在寻找一种实现此目的的 dplyr方法。

我想这个问题的核心是，可以通过回答以下问题来解决此问题:如何在 group_by中对 dplyr任意时间段进行编码。另外，如果在没有复杂的 dplyr的情况下，可以通过不同的 group_by方法来实现上述目标，该怎么办？

编辑:更新示例以使滚动窗口的性质更加清晰。

Answer 1

可以使用SQL来完成:

library(sqldf)

dd <- transform(data, date = as.Date(date))
sqldf("select a.*, count(*) n_trans30, sum(b.n_widgets) 'total_widgets30' 
       from dd a 
       left join dd b on b.date between a.date - 30 and a.date 
                         and b.id = a.id
                         and b.rowid <= a.rowid
       group by a.rowid")

给予:

  id       date n_widgets n_trans30 total_widgets30
1  1 2015-01-01         1         1               1
2  1 2015-01-01         2         2               3
3  1 2015-01-05         3         3               6
4  1 2015-01-25         4         4              10
5  2 2015-05-05         5         1               5
6  2 2015-01-01         2         1               2
7  3 2015-08-01         4         1               4
8  4 2015-01-01         5         1               5