別の列とグループの値に基づいて新しいdata.table列を作成する

Question

私はdata.tableに日付、郵便番号、および購入金額を記載しています。

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)) 

これは、次のように作成されます。

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 

私は4列目earlierPurchasesを追加したいと思います。この列は、前のxdateのzipcodeの中のpurchaseAmountのすべての値がsumである必要があります。

EDIT：フランクからの提案を1として、ここで予想される出力です：

  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 

これを行うにはdata.table方法はありますか、私はちょうどループfunctionを書くべきですか？

Answer 1

これは動作するようです：

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 

は、これが効果的に各行を取って、「非エクイ」に参加使用しています。各行について式on=の条件を満たすすべての行を検索します。行（by=.EACHI）で合計します。この場合、非等価結合は、おそらく、いくつかの積和法よりも効率が悪いでしょう。

---

どのように動作しますか？

data.tableに列を追加するには、通常の構文はDT[, new_col := expression]です。ここで、式は実際にはDT[...]の外部でも機能します。自分自身でそれを実行してみてください：

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

それだけで参加されるまであなたが徐々に開き、ドキュメントのページに記載されているように

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 

結合構文は、x[i, on=.(xcol = icol, xcol2 < icol2)]のようなものです...これを簡素化することができますdata.tableパッケージがロードされた状態で?data.tableとRコンソールを入力します。

data.tableを開始するには、the vignettesを確認することをおすすめします。その後、これはおそらくもっと見やすく見えるでしょう。

Answer 2

私は、これは私もそれを得た方法で、任意のdata.table解決策を見つけることができませんでした：

library(dplyr) 
earlierPurchases <- vector() 

for(i in 1:nrow(DT)) { 
    temp <- dplyr::filter(DT, zip == zip[i] & date < date[i]) 
    earlierPurchases[i] <- sum(temp$purchaseAmount) 
} 

DT <- cbind(DT, earlierPurchases) 

それは非常に高速に働きました。