R：如何根据多个标准求和并总结表格
这是我的原始数据框架：
df <- read.table(text="
Date Index Event
2014-03-31 A x
2014-03-31 A x
2014-03-31 A y
2014-04-01 A y
2014-04-01 A x
2014-04-01 B x
2014-04-02 B x
2014-04-03 A x
2014-09-30 B x", header = T, stringsAsFactors = F)
date_range <- seq(as.Date(min(df$Date)), as.Date(max(df$Date)), 'days')
indices <- unique(df$Index)
events_table <- unique(df$Event)
我希望我的期望输出总结我的数据框，并为索引中的每个索引和每个date_range中的每个日期记录一个唯一记录，同时在Date列中的值之前的所有日期的新列中的events_table中提供每个事件的累积值。 有时候，每个索引或每个日期都没有记录。
这是我期望的输出：
Date Index cumsum(Event = x) cumsum(Event = y)
2014-03-31 A 0 0
2014-03-31 B 0 0
2014-04-01 A 2 1
2014-04-01 B 0 0
2014-04-02 A 3 2
2014-04-02 B 1 0
...
2014-09-29 A 4 2
2014-09-29 B 2 0
2014-09-30 A 4 2
2014-09-30 B 2 0
仅供参考 - 这是数据框架的简化版本。 每年有约200,000条记录，每个日期有数百个不同的索引字段。
我已经在过去我用油炸硬盘驱动器之前做过by ，也许aggregate ，但是这个过程是非常缓慢的，我不能够得到它围绕制定这个时候。 我也尝试过ddply ，但是我无法获得cumsum函数来使用它。 使用ddply ，我尝试了这样的：
ddply(xo1, .(Date,Index), summarise,
sum.x = sum(Event == 'x'),
sum.y = sum(Event == 'y'))
无济于事。
通过搜索，我发现复制了一个Excel SUMIFS公式，该公式使我成为我的项目的累积部分，但是由于我无法弄清楚如何将它总结为每个日期/索引组合只有一条记录。 我也遇到了基于日期的总和/总计数据，但是在这里我无法解决动态日期方面的问题。
感谢任何人，可以帮助！
library(dplyr)
library(tidyr)
df$Date <- as.Date(df$Date)
第1步：生成{Date，Index}对的完整列表
full_dat <- expand.grid(
Date = date_range,
Index = indices,
stringsAsFactors = FALSE
) %>%
arrange(Date, Index) %>%
tbl_df
第2步：定义忽略NA的cumsum()函数
cumsum2 <- function(x){
x[is.na(x)] <- 0
cumsum(x)
}
第3步：为每个{日期，索引}生成总计，加入完整的{日期，索引}数据，并计算滞后累计总和。
df %>%
group_by(Date, Index) %>%
summarise(
totx = sum(Event == "x"),
toty = sum(Event == "y")
) %>%
right_join(full_dat, by = c("Date", "Index")) %>%
group_by(Index) %>%
mutate(
cumx = lag(cumsum2(totx)),
cumy = lag(cumsum2(toty))
) %>%
# some clean up.
select(-starts_with("tot")) %>%
mutate(
cumx = ifelse(is.na(cumx), 0, cumx),
cumy = ifelse(is.na(cumy), 0, cumy)
)
会使用dplyr和tidyr工作？
library(dplyr)
library(tidyr)
df %>%
group_by(Date, Index, Event) %>%
summarise(events = n()) %>%
group_by(Index, Event) %>%
mutate(cumsum_events = cumsum(events)) %>%
select(-events) %>%
spread(Event, cumsum_events) %>%
rename(sum.x = x,
sum.y = y)
# Date Index sum.x sum.y
#1 2014-03-31 A 2 1
#2 2014-04-01 A 3 2
#3 2014-04-01 B 1 NA
#4 2014-04-02 B 2 NA
#5 2014-04-03 A 4 NA
#6 2014-09-30 B 3 NA
上一篇: R: How to sum based on multiple criteria and summarize table