有效计算年度累计总和答案

【问题标题】：efficiently calculate annual cumulative sum有效计算年度累计总和
【发布时间】：2019-01-10 01:21:32
【问题描述】：

我有一个包含季度交易的数据集。 PERIOD 代表交易的季度，INCREM 代表增量金额。

tbl <- data.frame(PERIOD = c(2,3,6,10,11),
                  INCREM = c(10,50,-30,-10,-20))

我想获得年度累计总和（即第 4、8、12 期的累计总和）。

library(dplyr)
library(tidyr)

tbl %>%
  mutate(CUMSUM = cumsum(INCREM)) %>%
  select(-INCREM) %>%
  mutate(PERIOD = factor(PERIOD, 1:12)) %>%
  complete(PERIOD) %>%
  fill(CUMSUM) %>%
  mutate(PERIOD = as.numeric(PERIOD)) %>%
  filter(PERIOD %% 4 == 0)

结果：

  PERIOD CUMSUM
1      4     60
2      8     30
3     12      0

这可行，但效率不高。原始数据集为 5 行，最终数据集为 3 行，但在dplyr 链的中间（fill() 之后）数据集为 12 行。

有没有更有效的方法来获取年度累计总和？

另外，我的实际数据来自数据库查询。你认为在 R 中操作之前，我在 SQL 查询中处理这个累积求和会更好吗？

【问题讨论】：

我会调查 cut 作为创建群组的一种方式，而无需以 fill() - cut(tbl$PERIOD, c(1,4,8,12), labels=c(4,8,12), include.lowest=TRUE) 为例。

标签： r dplyr tidyr

【解决方案1】：

cut 绝对是要走的路。您也可以只计算累积总和，然后保留该期间的最后一行。这避免了聚合步骤。

tbl$prd <- cut(tbl$PERIOD, c(1,4,8,Inf), labels=c(4,8,12))
tbl$cumsum <- cumsum(tbl$INCREM)
tbl[!duplicated(tbl$prd, fromLast=TRUE),c("prd","cumsum")]
#   prd cumsum
# 2   4     60
# 3   8     30
# 5  12      0

【讨论】：

【解决方案2】：

正如@thelatemail 建议的那样，您可以使用cut 创建组，然后在每个组中使用sum 值，最后使用cumsum 覆盖所有值。

library(dplyr)
tbl %>%
  group_by(quarter = cut(PERIOD, c(1,4,8,Inf), labels=c(4,8,12))) %>%
  summarise(CUMSUM = sum(INCREM)) %>%
  ungroup() %>%
  mutate(CUMSUM = cumsum(CUMSUM))

#  quarter CUMSUM
#  <fct>    <dbl>
#1   4       60
#2   8       30
#3  12        0

使用相同的逻辑，一个过于复杂的基本 R 方法来适应一行是

transform(aggregate(INCREM~PERIOD, 
  transform(tbl, PERIOD = cut(PERIOD, c(1,4,8,Inf), labels=c(4,8,12))), sum), 
    INCREM = cumsum(INCREM))


#  PERIOD INCREM
#1      4     60
#2      8     30
#3     12      0

这实际上意味着

tbl$PERIOD <- cut(tbl$PERIOD, c(1,4,8,Inf), labels=c(4,8,12))
tbl1 <- aggregate(INCREM~PERIOD, tbl, sum)
tbl1$INCREM <- cumsum(tbl1$INCREM)

【讨论】：