data.frame 中一个变量的滚动总和，以另一个变量定义的步数计算

Question

我正在尝试以累积的方式总结 data.frame 中的值。

我有这个：

df <- data.frame(
  a = rep(1:2, each = 5),
  b = 1:10,
  step_window = c(2,3,1,2,4, 1,2,3,2,1)
)

我试图在a 组中总结b 的值。诀窍是，我想要b 值的总和对应于step_window 给出的当前行之后的行数。

这是我正在寻找的输出：

data.frame(
    a = rep(1:2, each = 5),
    step_window = c(2,3,1,2,4, 
                    1,2,3,2,1),
    b = 1:10,
    sum_b_step_window = c(3, 9, 3, 9, 5,
                          6, 15, 27, 19, 10)
  ) 

我尝试使用RcppRoll 执行此操作，但收到错误Expecting a single value：

df %>% 
  group_by(a) %>% 
  mutate(sum_b_step_window = RcppRoll::roll_sum(x = b, n = step_window))

Answer 1

1) 滚动应用

rollapply in zoo 支持向量宽度。 partial=TRUE 表示如果宽度超过末尾，则仅使用数据中的值。 （另一种可能性是使用 fill=NA 代替，在这种情况下，如果没有足够的数据，它将填充 NA）。 align="left" 指定每一步的当前值是求和范围的左端。

library(dplyr)
library(zoo)

df %>%
  group_by(a) %>%
  mutate(sum = rollapply(b, step_window, sum, partial = TRUE, align = "left")) %>%
  ungroup

2) SQL

这也可以在 SQL 中通过在指定条件下将 df 与自身连接起来，然后将每一行与条件匹配的所有行相加来完成。

library(sqldf)

sqldf("select A.*, sum(B.b) as sum
  from df A 
  left join df B on B.rowid between A.rowid and A.rowid + A.step_window - 1
    and A.a = B.a
  group by A.rowid")

Answer 2

data.table 使用累积和的解决方案

setDT(df)
df[, sum_b_step_window := {
  cs <- c(0,cumsum(b))
  cs[pmin(.N+1, 1:.N+step_window)]-cs[pmax(1, (1:.N))]
},by = a]

Answer 3

这里是slider 包的解决方案。

library(dplyr)
library(slider)

df %>%
    group_by(a) %>% 
    mutate(sum_b_step_window = hop_vec(b, row_number(), step_window+row_number()-1, sum)) %>% 
    ungroup() 

它在不同的窗口大小上是灵活的。

输出：

# A tibble: 10 x 4
       a     b step_window sum_b_step_window
   <int> <int>       <dbl>             <int>
 1     1     1           2                 3
 2     1     2           3                 9
 3     1     3           1                 3
 4     1     4           2                 9
 5     1     5           4                 5
 6     2     6           1                 6
 7     2     7           2                15
 8     2     8           3                27
 9     2     9           2                19
10     2    10           1                10

---

slider 是几个月前的 tidyverse 包，专门用于滑动窗口功能。在这里查看更多信息：page、vignette

hop 是slider 的引擎。使用此解决方案，我们将触发不同的 .start 和 .stop 以根据 a 组对 b 的值求和。

对于_vec，您要求hop 返回一个向量：在这种情况下为双精度数。

row_number() 是一个dplyr 函数，允许您返回每个组的行号，从而允许您沿行滑动。

Answer 4

我不确定是否可以在任何滚动功能中使用可变窗口大小。这是使用map2_dbl 的一种方法：

library(dplyr)
df %>% 
  group_by(a) %>% 
  mutate(sum_b_step_window = purrr::map2_dbl(row_number(), step_window, 
                             ~sum(b[.x:(.x + .y - 1)], na.rm = TRUE)))

#      a     b step_window sum_b_step_window
#   <int> <int>       <dbl>             <dbl>
# 1     1     1           2                 3
# 2     1     2           3                 9
# 3     1     3           1                 3
# 4     1     4           2                 9
# 5     1     5           4                 5
# 6     2     6           1                 6
# 7     2     7           2                15
# 8     2     8           3                27
# 9     2     9           2                19
#10     2    10           1                10