r - 通过 id 变量计算滚动总和，缺少时间点

Question

我正在尝试学习 R 并且我在 SAS 中做了 10 多年的一些事情，我无法弄清楚在 R 中做的最佳方法。拿这个数据:

 id  class           t  count  desired
 --  -----  ----------  -----  -------
  1      A  2010-01-15      1        1
  1      A  2010-02-15      2        3
  1      B  2010-04-15      3        3
  1      B  2010-09-15      4        4
  2      A  2010-01-15      5        5
  2      B  2010-06-15      6        6
  2      B  2010-08-15      7       13
  2      B  2010-09-15      8       21

我想按 id、class 和在 4 个月的滚动窗口内计算所需的列作为滚动总和。请注意，对于 id 和 class 的每个组合，并非所有月份都存在。

在 SAS 中，我通常会通过以下两种方式之一执行此操作:

RETAIN加上一个by id & class。

PROC SQL在适当的窗口中，在 id、class 和 df1.d-df2.d 上从 df as df1 到 df as df2 进行左连接

解决此类问题的最佳 R 方法是什么？

t <- as.Date(c("2010-01-15","2010-02-15","2010-04-15","2010-09-15",
               "2010-01-15","2010-06-15","2010-08-15","2010-09-15"))
class <- c("A","A","B","B","A","B","B","B")
id <- c(1,1,1,1,2,2,2,2)
count <- seq(1,8,length.out=8)
desired <- c(1,3,3,4,5,6,13,21)
df <- data.frame(id,class,t,count,desired)

Answer 1

这里有几个解决方案:

1) 动物园使用 ave , 为每个组创建一个每月系列，m ，通过合并原始系列，z ，带网格，g .然后计算滚动总和，只保留原来的时间点:

library(zoo)
f <- function(i) { 
    z <- with(df[i, ], zoo(count, t))
    g <- zoo(, seq(start(z), end(z), by = "month"))
    m <- merge(z, g)
    window(rollapplyr(m, 4, sum, na.rm = TRUE, partial = TRUE), time(z))
}
df$desired <- ave(1:nrow(df), df$id, df$class, FUN = f)

这使:

> df
  id class          t count desired
1  1     A 2010-01-15     1       1
2  1     A 2010-02-15     2       3
3  1     B 2010-04-15     3       3
4  1     B 2010-09-15     4       4
5  2     A 2010-01-15     5       5
6  2     B 2010-06-15     6       6
7  2     B 2010-08-15     7      13
8  2     B 2010-09-15     8      21

注意我们假设时间在每个组内排序(如问题中所示)。如果不是这样，那么排序 df第一的。

2) sqldf

library(sqldf)
sqldf("select id, class, a.t, a.'count', sum(b.'count') desired 
   from df a join df b 
   using(id, class) 
   where a.t - b.t between 0 and 100
   group by id, class, a.t")

这使:

  id class          t count desired
1  1     A 2010-01-15     1       1
2  1     A 2010-02-15     2       3
3  1     B 2010-04-15     3       3
4  1     B 2010-09-15     4       4
5  2     A 2010-01-15     5       5
6  2     B 2010-06-15     6       6
7  2     B 2010-08-15     7      13
8  2     B 2010-09-15     8      21

注意:如果合并太大而无法放入内存，则使用 sqldf("...", dbname = tempfile())使中间结果存储在它动态创建的数据库中，然后自动销毁。

3) 底座 R sqldf 解决方案激发了这个基本的 R 解决方案，它只是将 SQL 转换为 R:

m <- merge(df, df, by = 1:2)
s <- subset(m, t.x - t.y >= 0 & t.x - t.y <= 100)
ag <- aggregate(count.y ~ t.x + class + id, s, sum)
names(ag) <- c("t", "class", "id", "count", "desired")

结果是:

> ag
           t class id count desired
1 2010-01-15     A  1     1       1
2 2010-02-15     A  1     2       3
3 2010-04-15     B  1     3       3
4 2010-09-15     B  1     4       4
5 2010-01-15     A  2     5       5
6 2010-06-15     B  2     6       6
7 2010-08-15     B  2     7      13
8 2010-09-15     B  2     8      21

注意:这确实会在内存中进行合并，如果数据集非常大，这可能是一个问题。

更新:第一个解决方案的小幅简化，并添加了第二个解决方案。

更新 2:添加了第三个解决方案。