r - 根据另一列中的值和分组创建一个新的 r data.table 列

Question

我有一个 data.table日期、邮政编码和购买金额。

library(data.table)
set.seed(88)
DT <- data.table(date = Sys.Date()-365 + sort(sample(1:100, 10)), 
zip = sample(c("2000", "1150", "3000"),10, replace = TRUE), 
purchaseAmount = sample(1:20, 10))  

这将创建以下内容:

    date       zip              purchaseAmount
 1: 2016-01-08 1150              5
 2: 2016-01-15 3000             15
 3: 2016-02-15 1150             16
 4: 2016-02-20 2000             18
 5: 2016-03-07 2000             19
 6: 2016-03-15 2000             11
 7: 2016-03-17 2000              6
 8: 2016-04-02 1150             17
 9: 2016-04-08 3000              7
10: 2016-04-09 3000             20

我想添加第四列 earlierPurchases .此栏应sum purchaseAmount 中的所有值为以前的 x date内zipcode .

编辑:根据 Frank 的建议，这是预期的输出:

          date  zip purchaseAmount new_col
 1: 2016-01-08 1150              5       5
 2: 2016-01-15 3000             15      15
 3: 2016-02-15 1150             16      16
 4: 2016-02-20 2000             18      18
 5: 2016-03-07 2000             19      19
 6: 2016-03-15 2000             11      30
 7: 2016-03-17 2000              6      36
 8: 2016-04-02 1150             17      17
 9: 2016-04-08 3000              7       7
10: 2016-04-09 3000             20      27

有没有data.table这样做的方法，或者我应该写一个循环 function ?

Answer 1

这似乎有效:

DT[, new_col := 
  DT[.(zip = zip, d0 = date - 10, d1 = date), on=.(zip, date >= d0, date <= d1), 
    sum(purchaseAmount)
  , by=.EACHI ]$V1
]


          date  zip purchaseAmount new_col
 1: 2016-01-08 1150              5       5
 2: 2016-01-15 3000             15      15
 3: 2016-02-15 1150             16      16
 4: 2016-02-20 2000             18      18
 5: 2016-03-07 2000             19      19
 6: 2016-03-15 2000             11      30
 7: 2016-03-17 2000              6      36
 8: 2016-04-02 1150             17      17
 9: 2016-04-08 3000              7       7
10: 2016-04-09 3000             20      27

这使用“非对等”连接，有效地获取每一行；在 on= 中查找符合我们条件的所有行每行的表达式；然后按行求和( by=.EACHI )。在这种情况下，非对等连接可能比某些滚动求和方法效率低。

这个怎么运作。

要将列添加到 data.table，通常的语法是 DT[, new_col := expression] .在这里，该表达式实际上甚至在 DT[...] 之外也有效。 .尝试单独运行它:

DT[.(zip = zip, d0 = date - 10, d1 = date), on=.(zip, date >= d0, date <= d1), 
  sum(purchaseAmount)
, by=.EACHI ]$V1

您可以逐步简化它，直到它只是连接...

DT[.(zip = zip, d0 = date - 10, d1 = date), on=.(zip, date >= d0, date <= d1), 
  sum(purchaseAmount)
, by=.EACHI ]
# note that V1 is the default name for computed columns

DT[.(zip = zip, d0 = date - 10, d1 = date), on=.(zip, date >= d0, date <= d1)]
# now we're down to just the join

连接语法类似于 x[i, on=.(xcol = icol, xcol2 < icol2)] ，如您输入 ?data.table 时打开的文档页面中所述进入加载了 data.table 包的 R 控制台。

要开始使用 data.table，我建议查看 the vignettes .在那之后，这可能看起来更清晰。