r - r data.table 计算的多个条件

Question

我有一个如下所示的 data.table:

   Sim j active cost
1:   1 1      1  100
2:   1 2      1  125
3:   1 3      0  200
4:   1 4      1  250
5:   2 1      1  100
6:   2 2      0  50
7:   2 3      0  125
8:   2 4      1  200

dt <- data.table(Sim = c(1, 1, 1, 1, 2, 2, 2, 2),
             j = c(1, 2, 3, 4, 1, 2, 3, 4),
             active = c(1, 1, 0, 1, 1, 0, 0, 1),
             cost = c(100, 125, 200, 250, 100, 50, 125, 200))

我想添加一列“incr_cost”，它从不同行的成本中减去每行 i 的成本，我将其称为第 k 行，其中第 k 行满足以下条件:

sim_k = sim_i

active_k = 1

j_k < j_i

第 k 行包含满足上述 3 个条件的所有行中最大的 j

对于 j=1 的行，incr_cost 可以是 NA。

在我的示例中，解决方案如下所示:

   Sim j active cost incr_cost
1:   1 1      1  100        NA
2:   1 2      1  125        25
3:   1 3      0  200        75
4:   1 4      1  250       125
5:   2 1      1  100        NA
6:   2 2      0   50       -50
7:   2 3      0  125        25
8:   2 4      1  200       100

看起来这类似于 shift 的应用程序，除了不是按原样在 data.table 上“移位”，我想在 row-reduced data.table 上移位，其中不满足我的条件的行被过滤掉。我很难理解如何识别最大 j 值小于当前行(并满足其他两个条件)的行。

除了在选择行 k 时不考虑行是否处于事件状态之外，以下工作正常:

dt[, incr_cost := cost - shift(cost, fill=NA), by=Sim]

我正在使用 r data.table，但也欢迎使用非 data.table 解决方案。谢谢!

Answer 1

您可以使用滚动连接:

dt[, v := 
  cost - .SD[.(active = 1, Sim = Sim, j = j - 1), on=.(active, Sim, j), roll=TRUE, x.cost]]

   Sim j active cost   v
1:   1 1      1  100  NA
2:   1 2      1  125  25
3:   1 3      0  200  75
4:   1 4      1  250 125
5:   2 1      1  100  NA
6:   2 2      0   50 -50
7:   2 3      0  125  25
8:   2 4      1  200 100

这将查找元组 .(active = 1, Sim = Sim, j = j - 1)当没有找到完全匹配时，“滚动”到最后 j适合的值(如果有)。

这个怎么运作

在 j的 x[i, j] , .SD只是表本身的简写，即“数据子集”。

在 j加盟 x[i, on=, roll=, j] ...

前缀 x.*指的是 x 的列(这里， .SD )；和类似

i.*将是 i 列的前缀(这里是元组)。

(OP 使用 j 作为名称可能会使这变得困惑。我的意思是 j ， DT[i, j, ...] 中的参数。)