我有一个数据集，我想在其中计算 R 中的累积和。我的数据名称示例agfield：
| ID | SUP | RAND |
|---|---|---|
| 1 | 500 | 1 |
| 2 | 5681 | 4 |
| 3 | 6514 | 3 |
| 4 | 25 | 2 |
| ... | ... | ... |
基本上，我想使用 RAND 列的顺序计算 csum 列中 SUP 列的累积和。 预期结果：
| ID | SUP | RAND | csum |
|---|---|---|---|
| 1 | 500 | 1 | 500 |
| 2 | 5681 | 4 | 12720 |
| 3 | 6514 | 3 | 7039 |
| 4 | 25 | 2 | 525 |
| ... | ... | ... | ... |
我在这里查看了有关此主题的其他几个问题/答案，但我可以得到一个遵循 RAND 列顺序的结果。
我尝试使用agfield$csum<-ave(agfield$SUP, agfield$RAND, FUN=cumsum)，但它只给了我 SUP 号码并且不做累计和。
我也尝试使用 group_by，但它做了同样的事情。您对执行此操作的有效方法有什么建议吗？
【问题讨论】：
我认为如果你重新排列你的行，这可能会成为一个很容易的问题
library(tidyverse)
df_example <- tibble::tribble(
~ID, ~SUP, ~RAND,
1L, 500L, 1L,
2L, 5681L, 4L,
3L, 6514L, 3L,
3L, 25L, 1L
)
df_example %>%
arrange(RAND,ID) %>%
mutate(csum = cumsum(SUP))
#> # A tibble: 4 x 4
#> ID SUP RAND csum
#> <int> <int> <int> <int>
#> 1 1 500 1 500
#> 2 3 25 1 525
#> 3 3 6514 3 7039
#> 4 2 5681 4 12720
由reprex package (v0.3.0) 于 2021-01-20 创建
【讨论】：
一种选择是创建一个临时的额外列来存储数据的初始顺序，然后计算累积和。然后我们可以将其放回初始顺序并删除临时列。
library(dplyr)
agfield %>%
mutate(INITORDER = row_number()) %>%
arrange(RAND,INITORDER) %>%
mutate(csum = cumsum(SUP)) %>%
arrange(INITORDER) %>%
dplyr::select(-INITORDER)
ID SUP RAND csum
1 1 500 1 500
2 2 5681 4 12720
3 3 6514 3 7039
4 3 25 1 525
样本数据：
agfield <- structure(list(ID = c(1L, 2L, 3L, 3L), SUP = c(500L, 5681L, 6514L,
25L), RAND = c(1L, 4L, 3L, 1L)), class = "data.frame", row.names = c(NA,
-4L))
【讨论】：
1) 顺序 使用末尾注释中的数据并假设您想在不更改行顺序的情况下执行此操作，此基本解决方案定义了排序 SUP 的排列作为o，将其应用于SUP，取其中的cumsum，然后通过应用逆序将其恢复为原始顺序，即order(o)。
o <- order(agfield$RAND)
transform(agfield, cum = cumsum(SUP[o])[order(o)])
给予：
ID SUP RAND csum
1 1 500 1 500
2 2 5681 4 12720
3 3 6514 3 7039
4 3 25 1 525
这是一个演示，表明逆序确实是上面显示的表达式。
set.seed(123)
x <- rnorm(1000)
o <- order(x)
identical(x, x[o][order(o)])
## [1] TRUE
如果对数据框进行排序是可以接受的，那么我们可以这样做，这会稍微短一些。
o <- order(agfield$RAND)
transform(agfield[o, ], cum = cumsum(SUP))
2) sql SQL 具有允许以不同于输入的顺序获取累积总和的特定功能，因此我们可以执行以下操作。请注意，除非我们明确要求，否则 SQL 不保证表的顺序，因此我们在末尾使用 order by rowid 以确保返回原始顺序 - 如果返回的顺序不重要，则可以省略它。
library(sqldf)
sqldf("select ID, SUP, RAND, sum(SUP) over (order by RAND, rowid) csum
from agfield
order by rowid")
给予：
ID SUP RAND csum
1 1 500 1 500
2 2 5681 4 12720
3 3 6514 3 7039
4 3 25 1 525
Lines <- "
ID SUP RAND
1 500 1
2 5681 4
3 6514 3
3 25 1"
agfield <- read.table(text = Lines, header = TRUE)
【讨论】：
基本 R 选项
transform(
agfield,
csum = cumsum(SUP[RAND])[RAND]
)
给予
ID SUP RAND csum
1 1 500 1 500
2 2 5681 4 12720
3 3 6514 3 7039
4 3 25 2 525
数据
> dput(agfield)
structure(list(ID = c(1L, 2L, 3L, 3L), SUP = c(500L, 5681L, 6514L,
25L), RAND = c(1L, 4L, 3L, 2L)), class = "data.frame", row.names = c(NA,
-4L))
【讨论】：