r - 数据准备问题

Question

抱歉标题不明确。这是感兴趣的数据表:

dt <- data.table(K=c("A","A","A","B","B","B"),Y=c("2010","2010","2011","2011","2011","2010"),Q1=c(2,3,4,1,3,4),Q2=c(3,3,3,1,1,1))
dt
   K    Y Q1 Q2
1: A 2010  2  3
2: A 2010  3  3
3: A 2011  4  3
4: B 2011  1  1
5: B 2011  3  1
6: B 2010  4  1

假设 K 的值是人，所以这里有两个。一年中的季度存储在 Q1 和 Q2 中。 Q2 是一种引用季度变量，值始终与 2011 年相关)。现在我想选择 dt 中的那些行，其中，对于 K 中的每个人，Q1 位于 Q2 值之前 4 个季度的间隔内。

一个例子:
Person A 在 Q2 中的值为 3，因此应选择值 2 (2011)、1(2011)、4(2010) 和 3 (2010)。考虑到这个数据集，这只是第 2 行。第 3 行中的值 Q1=4 太大，第 1 行中的值 Q1=2 太小。对于第二个人“B”，只会选择第 6 行。不是第 4 行，因为这和 Q2 是同一个季度(我只想要那些小于 Q2 中的值，而第 5 行明显大于 Q2 中的值。

dt_new
   K    Y Q1 Q2
1: A 2010  3  3
2: B 2010  4  1

总结:
Q2 中的值 4 表示:选择 Q1 中小于 4 的所有值，其中 Y=2011，并选择 Q1 中所有等于或大于 4 的值(因此只有 4)，其中 Y=2010。结果:3(2011)，2(2011)，1(2011)，4(2010)。此规则适用于 Q2 的所有值。所有这一切都应该为每个人完成。

我希望我的问题得到解决。我认为有很多方法可以解决这个问题，但由于我仍在学习 data.table，所以我想向您询问漂亮而优雅的解决方案(希望有)。

谢谢

编辑:
几乎找到了一个解决方案:这给了我一个逻辑向量。如何提取数据集中的线条？

setkey(dt,K)
dt[,(Q1<Q2 & Y=="2011")|(Q1>=Q2 & Y=="2010"),by="K"]
   K    V1
1: A FALSE
2: A  TRUE
3: A FALSE
4: B FALSE
5: B FALSE
6: B  TRUE

不这样做:

log <-dt[,(Q1<Q2 & Y=="2011")|(Q1>=Q2 & Y=="2010"),by="K"]$V1
dt[log]

Answer 1

这是普通的按行过滤，因此您不需要(或不应该)使用分组 (by = "K")，只需执行以下操作:

dt[(Q1 < Q2 & Y == "2011") | (Q1 >= Q2 & Y == "2010"), ]

或者如果您要使用的范围不仅仅是 4 个季度，则可能更灵活:

quarter.diff <- function(Q1, Y1, Q2, Y2) {
  4L * (as.integer(Y2) - as.integer(Y1)) +
       (as.integer(Q2) - as.integer(Q1))
}

dt[quarter.diff(Q1, Y, Q2, Y2 = "2011")  > 0L &
   quarter.diff(Q1, Y, Q2, Y2 = "2011") <= 4L, ]

这不仅更通用，而且读起来更好，并且使 reference-year-is-2011 假设明确。

请注意我是如何在 quarter.diff 函数中小心地将所有列转换为整数的。理想情况下，您的年度和季度数据应该已经存储为整数而不是字符或数字。

最后，如果您担心 quarter.diff 被调用两次并且速度是一个问题，您可以按照@Arun 在评论中的建议暂时存储结果:

dt[{qdiff <- quarter.diff(Q1, Y, Q2, Y2 = "2011")
    qdiff > 0L & qdiff <= 4L}, ]