R:数据表中的行条件总和

Question

我有一个非常大的数据集(数百万行，我需要循环数千次)，并且在循环期间我必须做一个似乎需要很长时间的条件求和。有没有办法使这更有效？
数据表格式如下:

DT <- data.table('A' = c(1,1,1,2,2,3,3,3,3,4),
                 'B' = c(500,510,540,500,540,500,510,519,540,500),
                 'C' = c(10,20,10,20,10,50,20,50,20,10))

一种
乙
C


1
500
10

1
510
20

1
540
10

2
500
20

2
540
10

3
500
50

3
510
20

3
519
50

3
540
20

4
500
10


我需要 C 列的总和(在新列 D 中)受 A == A 约束，并且 B >= B & B < B + 20(按行)。因此，输出表将如下所示:


一种
乙
C
D


1
500
10
30

1
510
20
30

1
540
10
10

2
500
20
20

2
540
10
10

3
500
50
120

3
510
20
120

3
519
50
120

3
540
20
20

4
500
10
10


我目前使用的代码:

DT[,D:= sum(DT$C[A == DT$A & ((B >= DT$B) & (B < DT$B + 20))]), by=c('A', 'B')]

这需要很长时间才能实际运行，并给我错误的答案。我得到的输出如下所示:


一种
乙
C
D


1
500
10
10

1
510
20
30

1
540
10
10

2
500
20
20

2
540
10
10

3
500
50
50

3
510
20
70

3
519
50
120

3
540
20
20

4
500
10
10


(即 D 似乎只会累积增加)。
我不太关心累积的事情，更多的是关于速度。最终我想要得到的是 C 的最大总和，由 A 计算，但 B 必须在彼此的 20 以内。我真的很感激这方面的任何帮助!提前致谢。

Answer 1

如果我理解正确，这可以通过非等自连接来解决:

DT[, Bp20 := B + 20][
  DT, on = .(A, B >= B, B < Bp20), mult = "last"][
    , .(B, C = i.C, D = sum(i.C)), by = .(A, Bp20)][
      , Bp20 := NULL][]

    A   B  C   D
 1: 1 500 10  30
 2: 1 510 20  30
 3: 1 540 10  10
 4: 2 500 20  20
 5: 2 540 10  10
 6: 3 500 50 120
 7: 3 510 20 120
 8: 3 519 50 120
 9: 3 540 20  20
10: 4 500 10  10