R：求和直到达到0然后重新开始答案

【问题标题】：R: Sum until 0 is reached and then restartR：求和直到达到0然后重新开始
【发布时间】：2019-05-08 04:08:16
【问题描述】：

在这篇文章中已经说过或评论过的内容的补充：Cumulative sum until maximum reached, then repeat from zero in the next row

我有一个类似的数据框，它有大约 50k 多个观察值。此数据帧是从 csv 文件中读取的，是已经对其执行的多项操作的结果。在此处粘贴示例：

          Home      Date     Time   Appliance Run   value
    679      2  1/21/2017  1:30:00          0   1       0
    680      2  1/21/2017  1:45:00          0   1       0
    681      2  1/21/2017  2:00:00          0   1       0
    682      2  1/21/2017  2:15:00          0   1       0
    683      2  1/21/2017  2:30:00        804   0       1
    684      2  1/21/2017  2:45:00        556   0     804
    685      2  1/21/2017  3:00:00        844   0    1360
    686      2  1/21/2017  3:15:00        396   0    2204
    687      2  1/21/2017  3:30:00        392   0    2600
    688      2  1/21/2017  3:45:00       1220   0    2992
    689      2  1/21/2017  4:00:00          0   1       0
    690      2  1/21/2017  4:15:00          0   1       0
    691      2  1/21/2017  4:30:00          0   1       0
    692      2  1/21/2017  4:45:00          0   1       0
    783      2  1/22/2017  3:30:00          0   1       0
    784      2  1/22/2017  3:45:00        244   0    4212
    785      2  1/22/2017  4:00:00       1068   0    4456
    786      2  1/22/2017  4:15:00         44   0    5524
    787      2  1/22/2017  4:30:00       1240   0    5568
    788      2  1/22/2017  4:45:00         40   0    6808
    789      2  1/22/2017  5:00:00       1608   0    6848
    790      2  1/22/2017  5:15:00          0   1       0
    791      2  1/22/2017  5:30:00          0   1       0

我使用的代码，作为答案之一，df = transform(df, value = ave(Appliance, Run, FUN = function(x)c(1, head(cumsum(x),-1))))。

但是，正如您在输出中看到的那样，总和不会在下一次出现 0 时重新开始，并且第一组的最后一个总和（683-688 索引）被结转到 784（索引号）。请帮助我在下次出现 0 时重新计算总和。

预期输出：

          Home       Date     Time  Appliance Run   value
    679      2  1/21/2017  1:30:00          0   1       0
    680      2  1/21/2017  1:45:00          0   1       0
    681      2  1/21/2017  2:00:00          0   1       0
    682      2  1/21/2017  2:15:00          0   1       0
    683      2  1/21/2017  2:30:00        804   0     804
    684      2  1/21/2017  2:45:00        556   0    1360
    685      2  1/21/2017  3:00:00        844   0    2204
    686      2  1/21/2017  3:15:00        396   0    2600
    687      2  1/21/2017  3:30:00        392   0    2992
    688      2  1/21/2017  3:45:00       1220   0    4212
    689      2  1/21/2017  4:00:00          0   1       0
    690      2  1/21/2017  4:15:00          0   1       0
    691      2  1/21/2017  4:30:00          0   1       0
    692      2  1/21/2017  4:45:00          0   1       0
    783      2  1/22/2017  3:30:00          0   1       0
    784      2  1/22/2017  3:45:00        244   0     244
    785      2  1/22/2017  4:00:00       1068   0    1312
    786      2  1/22/2017  4:15:00         44   0    1356
    787      2  1/22/2017  4:30:00       1240   0    2596
    788      2  1/22/2017  4:45:00         40   0    2636
    789      2  1/22/2017  5:00:00       1608   0    4244
    790      2  1/22/2017  5:15:00          0   1       0
    791      2  1/22/2017  5:30:00          0   1       0

P.S：我也试过这个：Sum until a given value is reached

【问题讨论】：

根据什么总结什么？

标签： r loops dataframe if-statement cumsum

【解决方案1】：

这是一个data.table 选项。您的分组变量不应该是Run，而是rleid(Run)。

library(data.table)
dt <- fread(text)
dt[, value := cumsum(Appliance), by = rleid(Run)]
dt
#     V1 Home      Date    Time Appliance Run value
# 1: 679    2 1/21/2017 1:30:00         0   1     0
# 2: 680    2 1/21/2017 1:45:00         0   1     0
# 3: 681    2 1/21/2017 2:00:00         0   1     0
# 4: 682    2 1/21/2017 2:15:00         0   1     0
# 5: 683    2 1/21/2017 2:30:00       804   0   804
# 6: 684    2 1/21/2017 2:45:00       556   0  1360
# 7: 685    2 1/21/2017 3:00:00       844   0  2204
# 8: 686    2 1/21/2017 3:15:00       396   0  2600
# 9: 687    2 1/21/2017 3:30:00       392   0  2992
#10: 688    2 1/21/2017 3:45:00      1220   0  4212
#11: 689    2 1/21/2017 4:00:00         0   1     0
#12: 690    2 1/21/2017 4:15:00         0   1     0
#13: 691    2 1/21/2017 4:30:00         0   1     0
#14: 692    2 1/21/2017 4:45:00         0   1     0
#15: 783    2 1/22/2017 3:30:00         0   1     0
#16: 784    2 1/22/2017 3:45:00       244   0   244
#17: 785    2 1/22/2017 4:00:00      1068   0  1312
#18: 786    2 1/22/2017 4:15:00        44   0  1356
#19: 787    2 1/22/2017 4:30:00      1240   0  2596
#20: 788    2 1/22/2017 4:45:00        40   0  2636
#21: 789    2 1/22/2017 5:00:00      1608   0  4244
#22: 790    2 1/22/2017 5:15:00         0   1     0
#23: 791    2 1/22/2017 5:30:00         0   1     0
#24: 792    2 1/22/2017 5:45:00         0   1     0
#25: 793    2 1/22/2017 6:00:00         0   1     0
#26: 794    2 1/22/2017 6:15:00         0   1     0
#27: 795    2 1/22/2017 6:30:00         0   1     0
#28: 796    2 1/22/2017 6:45:00         0   1     0
#29: 797    2 1/22/2017 7:00:00         0   1     0
#30: 798    2 1/22/2017 7:15:00         0   1     0

在base R我们可以做

df1 <- read.table(text = text, stringsAsFactors = FALSE, header = TRUE)

rle_Run <- rle(df1$Run)
df1$value <- with(df1, ave(Appliance, rep(seq_along(rle_Run$lengths), rle_Run$lengths), FUN = cumsum))

数据

text <- "          Home      Date     Time   Appliance Run   value
    679      2  1/21/2017  1:30:00          0   1       0
680      2  1/21/2017  1:45:00          0   1       0
681      2  1/21/2017  2:00:00          0   1       0
682      2  1/21/2017  2:15:00          0   1       0
683      2  1/21/2017  2:30:00        804   0       1
684      2  1/21/2017  2:45:00        556   0     804
685      2  1/21/2017  3:00:00        844   0    1360
686      2  1/21/2017  3:15:00        396   0    2204
687      2  1/21/2017  3:30:00        392   0    2600
688      2  1/21/2017  3:45:00       1220   0    2992
689      2  1/21/2017  4:00:00          0   1       0
690      2  1/21/2017  4:15:00          0   1       0
691      2  1/21/2017  4:30:00          0   1       0
692      2  1/21/2017  4:45:00          0   1       0
783      2  1/22/2017  3:30:00          0   1       0
784      2  1/22/2017  3:45:00        244   0    4212
785      2  1/22/2017  4:00:00       1068   0    4456
786      2  1/22/2017  4:15:00         44   0    5524
787      2  1/22/2017  4:30:00       1240   0    5568
788      2  1/22/2017  4:45:00         40   0    6808
789      2  1/22/2017  5:00:00       1608   0    6848
790      2  1/22/2017  5:15:00          0   1       0
791      2  1/22/2017  5:30:00          0   1       0
792      2  1/22/2017  5:45:00          0   1       0
793      2  1/22/2017  6:00:00          0   1       0
794      2  1/22/2017  6:15:00          0   1       0
795      2  1/22/2017  6:30:00          0   1       0
796      2  1/22/2017  6:45:00          0   1       0
797      2  1/22/2017  7:00:00          0   1       0
798      2  1/22/2017  7:15:00          0   1       0"

【讨论】：

帮助！首先使用setDT()，然后使用setDF()。多谢。赞成票。还有一件事，我们可以用类似的方法来计算百分比份额而不是总和吗？
试试dt[, share := 0]; dt[, share := Appliance / sum(Appliance), by = rleid(Run)]
太棒了！非常感谢@markus。现在，剩下的就是将这些组按月分成单独的数据框。有没有简单的方法可以做到这一点？还是我应该环顾四周？
因为今天是圣尼古拉斯节。将您的Date 列转换为上课日期，然后使用split:dt[, Date := as.Date(Date, "%m/%d/%Y")]; split(dt, dt[, month(Date)])。你最终会得到一个data.tables 的列表。如果您需要在全局环境中使用它们，请使用 list2env。