Dplyr 窗口函数随时间范围而不是行数答案

【问题标题】：Dplyr window function over time frame Instead of the amount of rowsDplyr 窗口函数随时间范围而不是行数
【发布时间】：2020-08-21 17:26:00
【问题描述】：

我有一个 R tibble，它的时间列采用以下格式：“2020-08-19 07:59:05 IDT” 我想创建一个额外的列，它可以产生一些聚合功能，但在时间范围内，例如我有一个额外的列 Amount 并且我想创建一个附加列，为每一行汇总前 10 秒的所有金额.

                 Time          Amount.  SumOverTime(10 sec)
1   2020-08-19 07:57:18             0.  0
2   2020-08-19 07:57:19             1.  1
3   2020-08-19 07:57:19             1.  2
4   2020-08-19 07:57:20             0.  2
5   2020-08-19 07:57:20             2.  4
6   2020-08-19 07:57:20             0.  4
7   2020-08-19 07:57:21             0.  4
8   2020-08-19 07:57:22             0.  4
9   2020-08-19 07:57:23             1.  5
10  2020-08-19 07:57:28             0.  5
11  2020-08-19 07:57:30             0.  3
12  2020-08-19 07:57:31             0.  1
13  2020-08-19 07:57:32             0.  1

感谢您的帮助！

【问题讨论】：

标签： r dplyr tidyverse

【解决方案1】：

使用{slider} 包

library(dplyr)
library(slider)

df %>% 
  count(Time, wt = Amount, name = "Amount") %>% 
  mutate(SumOverTime = slide_period_dbl(.x = df$Amount, .i = df$Time, 
                                        .period = "second", .before = 10,
                                        .f = sum, 
                                        .complete = FALSE))

#>                   Time Amount SumOverTime
#> 1  2020-08-19 07:57:18      0           0
#> 2  2020-08-19 07:57:19      2           2
#> 3  2020-08-19 07:57:20      2           4
#> 4  2020-08-19 07:57:21      0           4
#> 5  2020-08-19 07:57:22      0           4
#> 6  2020-08-19 07:57:23      1           5
#> 7  2020-08-19 07:57:28      0           5
#> 8  2020-08-19 07:57:30      0           3
#> 9  2020-08-19 07:57:31      0           1
#> 10 2020-08-19 07:57:32      0           1

请注意，我们会随着时间的推移与 count 进行预聚合，因为多个事件在同一秒内发生，否则问题似乎定义不明确，因此这与预期的输出不同。

【讨论】：

我收到以下错误：错误：mutate() 输入问题SumOverTime。 x .i 必须按升序排列。 ℹ 在 533521 位置没有升序。 ℹ 输入SumOverTime 是slide_period_dbl(...)。

【解决方案2】：

这里模拟一些数据：

library(dplyr)
library(purrr)

df <- tibble(
      time = seq(lubridate::now()-10, lubridate::now(), length.out = 100) + runif(100,-10,10),
      Amount = runif(100, 0, 5)
    ) %>%
    arrange(time)

然后，您可以使用 purrr:map 并提供完整的 df 作为额外参数。这使您可以轻松过滤它并提取Amount 列的总和。可能不是超级性能，但它可以完成工作:)

df.2 <- df %>%
    mutate(
      SumOverTime = map_dbl(time, ., .f = ~{
        .y %>% filter(time >= .x-10, time <=.x) %>% pull(Amount) %>% sum(na.rm=T)
      })
    )

【讨论】：

谢谢！处理整个文档需要很长时间，但它确实有效。
是的，我确信在性能方面，Aurèle 提出的非天真的解决方案会更好。但很高兴听到它可以让你到达你需要的地方:)
目前我收到 Aurele 解决方案的以下错误：错误：mutate() 输入问题SumOverTime。 x .i 必须按升序排列。 ℹ 533521 位置不升。 ℹ 输入SumOverTime 是slide_period_dbl(...)。
您是否尝试通过在 count 和 mutate 行之间显式插入 arrange(Time) %>% 来解决这个问题？