R中基于日期和其他条件使用data.table的累积和答案

【问题标题】：Cumulative Sum in R based on Date and other conditions using data.tableR中基于日期和其他条件使用data.table的累积和
【发布时间】：2021-09-26 22:39:34
【问题描述】：

我有一些足球数据（2020/2021 Serie A），我想计算每支球队在过去 n 天内的比赛次数（假设在过去 30 天内进行简化）。因此，条件是团队、比赛日期（严格小于）和同一天 - 30（大于或等于）。

我想知道使用 data.table（单独）的最佳方法是什么，更重要的是，代码背后的逻辑。我会在团队和日期上循环，但我认为这很麻烦，而且我确信有一种方法可以在一行中完成。

下面给出了一个示例，其结果是我所期望的（日期和日期可能会产生误导，因为有些比赛被推迟了，但这并不重要。数据是按日期分类的）。非常感谢。

Code	Team	Date	Day	Date - 30d	Games played over the last 30 days
TORATA	Atalanta	2020-09-26	2	2020-08-27	NA
LAZATA	Atalanta	2020-09-30	1	2020-08-31	1
ATACAG	Atalanta	2020-10-04	3	2020-09-04	2
NAPATA	Atalanta	2020-10-17	4	2020-09-17	3
ATASAM	Atalanta	2020-10-24	5	2020-09-24	4
CROATA	Atalanta	2020-10-31	6	2020-10-01	3
ATAINT	Atalanta	2020-11-08	7	2020-10-09	3

【问题讨论】：

不清楚如何计算最后一列。
这是在 Date-30d 和 Date 之间发生的游戏数的计数器。基本上，它计算行数。

标签： r date data.table conditional-statements cumulative-sum

【解决方案1】：

这是一个实现，只是 data.table 和基础 R：

dat[, z := sapply(Date, function(z) sum(between(z - Date, 0.1, 30)))]
dat
#      Code     Team       Date   Day Date...30d Games.played.over.the.last.30.days     z
#    <char>   <char>     <Date> <int>     <Date>                              <int> <int>
# 1: TORATA Atalanta 2020-09-26     2 2020-08-27                                 NA     0
# 2: LAZATA Atalanta 2020-09-30     1 2020-08-31                                  1     1
# 3: ATACAG Atalanta 2020-10-04     3 2020-09-04                                  2     2
# 4: NAPATA Atalanta 2020-10-17     4 2020-09-17                                  3     3
# 5: ATASAM Atalanta 2020-10-24     5 2020-09-24                                  4     4
# 6: CROATA Atalanta 2020-10-31     6 2020-10-01                                  3     3
# 7: ATAINT Atalanta 2020-11-08     7 2020-10-09                                  3     3

在这种情况下，对于每个 Date 值，我们计算有多少日期在它的 30 天内。

如果您需要 NA 代替 0，则可以添加 dat[z < 1, z := NA] 或类似名称。

数据：

library(data.table)
dat <- structure(list(Code = c("TORATA", "LAZATA", "ATACAG", "NAPATA", "ATASAM", "CROATA", "ATAINT"), Team = c("Atalanta", "Atalanta", "Atalanta", "Atalanta", "Atalanta", "Atalanta", "Atalanta"), Date = structure(c(18531, 18535, 18539, 18552, 18559, 18566, 18574), class = "Date"), Day = c(2L, 1L, 3L, 4L, 5L, 6L, 7L), Date...30d = structure(c(18501, 18505, 18509, 18522, 18529, 18536, 18544), class = "Date"), Games.played.over.the.last.30.days = c(NA, 1L, 2L, 3L, 4L, 3L, 3L)), class = c("data.table", "data.frame"), row.names = c(NA, -7L))
setDT(dat)

【讨论】：

感谢您的回答。使用“runner”库的那个也很好，但你的是干净的data.table和base，我更喜欢。

【解决方案2】：

您可以将runner 与data.table 结合使用来计算正在运行的Date 窗口计数：

library(data.table)
library(runner)

setDT(data)

data[,Date:=as.Date(Date,'%Y-%m-%d')]

data[,N:=runner::runner(
                        x = Date, 
                        k = 30, # 30-days window
                        lag = 1,
                        idx = Date,
                        f = length)
    ,by=Team][]

     Code     Team       Date Day    Date30d Games30days N
1: TORATA Atalanta 2020-09-26   2 2020-08-27          NA 0
2: LAZATA Atalanta 2020-09-30   1 2020-08-31           1 1
3: ATACAG Atalanta 2020-10-04   3 2020-09-04           2 2
4: NAPATA Atalanta 2020-10-17   4 2020-09-17           3 3
5: ATASAM Atalanta 2020-10-24   5 2020-09-24           4 4
6: CROATA Atalanta 2020-10-31   6 2020-10-01           3 3
7: ATAINT Atalanta 2020-11-08   7 2020-10-09           3 3

数据：

data <- read.table(text='
Code    Team    Date    Day     Date30d     Games30days
TORATA  Atalanta    2020-09-26  2   2020-08-27  NA
LAZATA  Atalanta    2020-09-30  1   2020-08-31  1
ATACAG  Atalanta    2020-10-04  3   2020-09-04  2
NAPATA  Atalanta    2020-10-17  4   2020-09-17  3
ATASAM  Atalanta    2020-10-24  5   2020-09-24  4
CROATA  Atalanta    2020-10-31  6   2020-10-01  3
ATAINT  Atalanta    2020-11-08  7   2020-10-09  3',header=T)

【讨论】：

感谢您的回答。我还有几个问题。查看“跑步者”的网页后，我了解到 x 是数据（这里是列向量 data$Date），并且它根据条件显示向量的长度。正确的？现在他们说，可以使用任何功能。假设我会有一个多列（标志）来指示球队是否赢得了比赛（1 == 胜利，0 其他），我知道我可以在该列上使用 cumsum 来计算一段时间内的胜利次数.我仍然缺少一些东西，因为我的测试都是错误的。可以将“x”设置为 2 列吗？
这应该可以工作：data[,wincount:=runner::runner(x = winflag, k = 30, lag = 1, idx = Date, f = sum),by=Team][]

【解决方案3】：

你可以用一行代码得到这个，使用表的非等连接。

假设fb 是您的输入数据（没有Games30days 列）。像这样：

     Code     Team       Date Day Date - 30d
1: TORATA Atalanta 2020-09-26   2 2020-08-27
2: LAZATA Atalanta 2020-09-30   1 2020-08-31
3: ATACAG Atalanta 2020-10-04   3 2020-09-04
4: NAPATA Atalanta 2020-10-17   4 2020-09-17
5: ATASAM Atalanta 2020-10-24   5 2020-09-24
6: CROATA Atalanta 2020-10-31   6 2020-10-01
7: ATAINT Atalanta 2020-11-08   7 2020-10-09

然后，只需对Team=Team、Date<Date 和Date>Date - 30d 进行连接，如下所示：

games_played = fb[fb,on=.(Team = Team, Date<Date, Date>`Date - 30d`), nomatch=0][,.("Games30" =  .N), .(Date,Team)]

         Date     Team Games30
1: 2020-09-30 Atalanta       1
2: 2020-10-04 Atalanta       2
3: 2020-10-17 Atalanta       3
4: 2020-10-24 Atalanta       4
5: 2020-10-31 Atalanta       3
6: 2020-11-08 Atalanta       3

该结果可以很容易地与原始结果连接，以获取所有列，如下所示：

games_played[fb, on=.(Team, Date)]

【讨论】：