【问题标题】：Create New Column Based on Previous Row and Multiple Conditions in R基于R中的前一行和多个条件创建新列
【发布时间】：2015-03-31 16:20:40
【问题描述】：

我有以下示例数据框：

x
date          product   release    
2012-01-01    A         0                   
2012-01-02    A         0                   
2012-01-03    A         0                   
2012-01-04    A         1 
2012-01-05    A         0     
2012-01-06    A         0   
2012-01-07    A         0   
2012-01-08    A         0   
2012-01-09    A         0   
2012-01-10    A         0   
2012-01-11    A         0   
2012-01-12    A         0 
2012-01-01    Z         0                   
2012-01-02    Z         1                   
2012-01-03    Z         0                   
2012-01-04    Z         0   
2012-01-05    Z         0     
2012-01-06    Z         0   
2012-01-07    Z         0

我想遍历每一行并根据从发布到现在已经有多少天了。

要记住的几件事：
- 新产品发布 = 1 没有产品发布 = 0
- 输出必须是唯一的日期和产品

期望的输出是：

   x
    date      product   release    dayssince  
    2012-01-01    A         0          0         
    2012-01-02    A         0          0        
    2012-01-03    A         0          0        
    2012-01-04    A         1          1
    2012-01-05    A         0          2
    2012-01-06    A         0          3
    2012-01-07    A         0          4
    2012-01-08    A         0          5
    2012-01-09    A         0          6
    2012-01-10    A         0          7
    2012-01-11    A         0          8
    2012-01-12    A         0          9
    2012-01-01    Z         0          0        
    2012-01-02    Z         1          1        
    2012-01-03    Z         0          2        
    2012-01-04    Z         0          3
    2012-01-05    Z         0          4
    2012-01-06    Z         0          5
    2012-01-07    Z         0          6

我已经尝试了从 ifelse 语句和 for 循环到 ddply 的所有我能想到的东西。

我能够解决问题的最简单方法是在概念上执行以下操作：

x$dayssince <- ifelse(x$release > 0, 1, 0)

- 然后在几天后检查每一行。
- 如果 dayssince == 1，那么 1
- 如果 dayssince - 如果上面的行 > 0 ，则使用上面的行的值 + 1
- 所有这些都是产品独有的。

提前谢谢你！

更新/澄清：

对于每年发布多次的相同产品，我希望获得自上次发布以来的天数。

例如：

    x
    date      product   release    dayssince  
    2012-01-01    A         0          0         
    2012-01-02    A         0          0        
    2012-01-03    A         0          0        
    2012-01-04    A         1          1
    2012-01-05    A         0          2
    2012-01-06    A         0          3
    2012-01-07    A         0          4
    2012-01-08    A         0          5
    2012-01-09    A         0          6
    2012-01-10    A         1          1
    2012-01-11    A         0          2
    2012-01-12    A         0          3
    2012-01-13    A         0          4
    2012-01-14    A         0          5

等等... 感谢@DMC的旗帜

【问题讨论】：

标签： r row conditional plyr

【解决方案1】：

如果您的数据来自数据库，则使用计算列创建一个视图可能更容易，该计算列用于计算自发布以来的天数。

我目前太累了，无法发布任何 SQL 代码，但如果这是您会考虑的方法，我明天可以提供一些示例代码。

【讨论】：

【解决方案2】：

我的一条评论是，您要求'逐行迭代'的解决方案。这不是R 做事方式。 R 适用于向量——通常是列向量。因此，任何解决方案都需要一些解决方法。您可以切换到类似 SAS 的东西，它确实可以按行明确工作。

我的解决方案使用plyr 库，尽管它没有矢量化。因此，它可能比某些替代方案慢。

# given vector of release dates and output vector, produce "dayssince"
ds <- function(rel.dts, x) {
  n <- length(rel.dts)
  x[1:rel.dts[1]] <- 0
  for (i in 2:n) {
    x[(rel.dts[i-1]):(rel.dts[i]-1)] <- 0:(rel.dts[i]-rel.dts[i-1]-1)
  }
  x[rel.dts[n]:length(x)] <- 0:(length(x)-rel.dts[n])
  return(x)
}

# use ds() on a given product
ds.prod <- function(dat) {
  dat <- dat[order(dat$date, decreasing=FALSE),]
  rel.dts <- which(dat$release ==1)
  ds <- get("ds")
  dat$daysince <- ds(rel.dts, x=vector("integer", length= nrow(dat)))
  return(dat)
}

# split by product and run
require(plyr)
dat <- ddply(dat, .var="product", .fun= ds.prod)

【讨论】：

【解决方案3】：

您可以尝试使用base R中的ave

 x$dayssince <-  with(x, ave(release, cumsum(release), product, 
                          FUN=function(y) cumsum(cumsum(y))))

或者使用data.table

library(data.table)
setDT(x)[,dayssince:=cumsum(cumsum(release)) ,
                   .(product,cumsum(release))][]
 #  1: 2012-01-01       A       0         0
 #  2: 2012-01-02       A       0         0
 #  3: 2012-01-03       A       0         0
 #  4: 2012-01-04       A       1         1
 #  5: 2012-01-05       A       0         2
 #  6: 2012-01-06       A       0         3
 #  7: 2012-01-07       A       0         4
 #  8: 2012-01-08       A       0         5
 #  9: 2012-01-09       A       0         6
 # 10: 2012-01-10       A       1         1
 # 11: 2012-01-11       A       0         2
 # 12: 2012-01-12       A       0         3
 # 13: 2012-01-01       Z       0         0
 # 14: 2012-01-02       Z       1         1
 # 15: 2012-01-03       Z       0         2
 # 16: 2012-01-04       Z       0         3
 # 17: 2012-01-05       Z       0         4
 # 18: 2012-01-06       Z       0         5
 # 19: 2012-01-07       Z       0         6

【讨论】：

这适用于 OP 中提供的示例。但是，如果每个产品有多个版本会怎样？
@DMC 我没有检查每个产品的多个版本。感谢您的评论
@DMC 感谢您的提问。在我的 df 中，相同的产品可以多次发布，但只能在不同的日子发布。例如，产品 A 可以在 2012-01-04 和 2012-05-01 再次发布。我只需要能够列出自最新发布以来已经过了多少天。因此，如果我们查看日期 2012-05-02，我想要 2，而不是 120（基于第一个发布日期）。
@lelgohary 你能否用一个模仿数据集和预期输出的例子来更新你的帖子。
@lelgohary 我认为该解决方案在新条件下仍然有效。比如x$release[7] <-1然后试试上面的代码

【解决方案4】：

解决方案使用dplyr，并创建一个中间变量release_num：

library(dplyr)

x %>%
  group_by(product) %>%
  mutate(release_num = cumsum(release)) %>%
  group_by(product, release_num) %>%
  mutate(dayssince = cumsum(cumsum(release)))

【讨论】：