简单求和 if 表达式答案

【问题标题】：Simple sum if expression简单求和 if 表达式
【发布时间】：2016-01-01 20:49:54
【问题描述】：

这些是我的示例数据：

dt <- data.table(id=c("a","a","a","a","b","b"), monthsinarrears=c(0,1,0,0,1,0), date=c(2013,2014,2015,2016,2014,2015))

表格如下所示：

> dt
   id monthsinarrears date
1:  a               0 2013
2:  a               1 2014
3:  a               0 2015
4:  a               0 2016
5:  b               1 2014
6:  b               0 2015

现在我想创建一个名为“EverinArrears”的附加列，如果 id 曾经（历史上）拖欠，则该列将分配为“1”，如果不是，则分配为“0”。因此我想要获得的输出是：

   id monthsinarrears date EverinArrears
1:  a               0 2013             0
2:  a               1 2014             1
3:  a               0 2015             1
4:  a               0 2016             1
5:  b               1 2014             1
6:  b               0 2015             1

请注意，贷款 ID a 在 2013 年历史上没有拖欠（这发生在 2014 年），这就是为什么 EverinArrear 在 2013 年也得到 0 的原因。

【问题讨论】：

您的结果与您提供的数据不符！
为什么？我只是想根据我提供的第一个表和我提供的条件添加这个额外的列 EverinArrears。
看看你最初的 dt，你写了什么......这完全不同，即使你的问题总体上是可以理解的 ;)
@ColonelBeauvel 你是对的！我没有注意到这一点，但我看到问题已正确更新。

标签： r sum conditional data.table

【解决方案1】：

你可以使用ave:

dt$EverinArrears = as.integer(!!ave(dt$monthsinarrears, dt$id, FUN=cumsum))

或者使用 data.table 的好方法：

dt[, EverinArrears := +(!!cumsum(monthsinarrears)), id][]

【讨论】：

不要将 ave 与 data.table 一起使用。这太慢了。
使用as.logical 和as.integer 是更好的做法（代码更清晰，速度稍快）。
不要使用“聪明”的语法技巧，例如!!。它们完全是不必要的，并且模糊了实际含义。在这里明确表达没有害处：x != 0 是你应该写的。但实际上不是，因为结果无论如何都会转换回整数。顺便说一句，+as.logical(x) 也是如此：它同样是一个语法黑客。这里的实际逻辑被sign(cumsum(x))封装了。
@KonradRudolph 如果您想保持透明，请执行ifelse( x > 0, 1, 0)。 sign 不是很好的替代品（因为它的使用表明这个数字可能是负数；x != 0 而不是 x > 0 也是如此）。虽然 +x 是一个 hack，但它并没有像 ?as.integer 更好地告诉你从逻辑到整数的强制是如何工作的。也许正确的做法是告诉 OP“逻辑就是你想要的——不要费心转换为 0/1。”
@Frank 由于您提到的原因，我也不是as.integer 的忠实粉丝。我总是很明确；唉，ifelse(…) 慢得多，所以必须做出一些让步。

【解决方案2】：

您可以执行以下操作（感谢@Roland 提供的避免数字 > 1 的提示）：

dt[, EverinArrears := as.integer(as.logical(cumsum(monthsinarrears))), by=id]

输出：

#   id monthsinarrears date EA
#1:  a               0 2013  0
#2:  a               1 2014  1
#3:  a               0 2015  1
#4:  a               0 2016  1
#5:  b               1 2014  1
#6:  b               0 2015  1

注意：如果你喜欢更短的代码，你也可以这样做

dt[, EverinArrears := +(!!(cumsum(monthsinarrears))), by=id]

虽然不像as.integer(as.logical(...))那样“好习惯”

正如@Jaap 所说，您也可以这样做：

dt[, EverinArrears := +(cumsum(monthsinarrears) > 0), by = id]

或者，为了更好的做法：

dt[, EverinArrears := as.integer(cumsum(monthsinarrears) > 0), by = id]

正如@Arun 在评论中所建议的，另一种更简单的方式：

dt[, EverinArrears := cummax(monthsinarrears), by = id]

【讨论】：

只需换上as.logical。
另一种可能：dt[, EverinArrears := +(cumsum(monthsinarrears) > 0), by = id]
cummax(monthsinarrears) 或 cummax(monthsinarrears > 0L) 也适合这里..
@Arun，它确实是一个更适合的函数（我必须说我不知道这个函数）。非常感谢，我已经添加了选项

【解决方案3】：

使用包dplyr:

library(dplyr)

dt %>% 
  group_by(id) %>% 
  arrange(date) %>% 
  mutate(EverinArrears = +as.logical(cumsum(monthsinarrears))) %>% 
  data.table

   id monthsinarrears date EverinArrears
1:  a               0 2013             0
2:  a               1 2014             1
3:  a               0 2015             1
4:  a               0 2016             1
5:  b               1 2014             1
6:  b               0 2015             1

【讨论】：

【解决方案4】：

其他人的回答略有不同：

dt[, newcol := cummax(monthsinarrears > 0), by=id]

通过使用cummax 而不是cumsum，我们可以节省一些计算。

这里有一种比较第一个条目的位置的方法，其中拖欠的月份为正数：

dt[, newcol := {
  z = which(monthsinarrears > 0)
  if (!length(z)) rep(0L,.N)
  else            replace(rep(1L,.N), 1:.N < z[1], 0L)
}, by=id]

不确定这是否更有效；这在一定程度上当然取决于数据。

【讨论】：