合計グループ（類似の値によってグループ）

Question

データフレームは変数Date、TypeとTotal、TypeであるいずれかBuy又はSellから成ります。

どのように同じTypeの隣接する観測値だけがグループ化されるように観測値をグループ化し、次に各グループのすべての観測値の合計をTotalと合計することができます。つまり、Typeの値が変更されるまで、次の観測値を現在のグループに追加し続けます。

• OBS 1 & 2
• OBS 3 & 4
• OBS 5 & 6
• OBS 7、8 &は、例えば以下のように、以下のデータフレームに、基であります9

再生可能なデータは、あなたが@bgoldst感謝：

df1 <- data.frame(Date=rep(as.POSIXct('2016-06-16 06:27:39'),9L), 
        Type=c('Buy','Buy','Sell','Sell','Buy','Buy','Sell','Sell','Sell'), 
        Total=c(1.548012e+01,1.051480e+02,5.956740e+00,3.872415e+01,1.333391e+02,1.941060e-01,1.941060e-01,1.941060e-01,3.277059e-01)) 

Answer 1

はここaggregate()を中心に構築された、わずか醜いベースR・ソリューションです。 Typeとcumsum()の連続する要素間の不等式の比較を使用して、非順次インスタンスTypeを区別するための一時的なグループ化列を合成します。 data.tableで実装

df <- data.frame(Date=rep(as.POSIXct('2016-06-16 06:27:39'),9L),Type=c('Buy','Buy','Sell','Sell','Buy','Buy','Sell','Sell','Sell'),Total=c(1.548012e+01,1.051480e+02,5.956740e+00,3.872415e+01,1.333391e+02,1.941060e-01,1.941060e-01,1.941060e-01,3.277059e-01)); 
aggregate(Total~Date+Type+TypeSeq,transform(df,TypeSeq=c(0L,cumsum(Type[-1L]!=Type[-nrow(df)]))),sum)[-3L]; 
##     Date Type  Total 
## 1 2016-06-16 06:27:39 Buy 120.6281200 
## 2 2016-06-16 06:27:39 Sell 44.6808900 
## 3 2016-06-16 06:27:39 Buy 133.5332060 
## 4 2016-06-16 06:27:39 Sell 0.7159179 

---

同じ考え：data.tableを使用して

library(data.table); 
dt <- as.data.table(df); 
dt[,.(Total=sum(Total)),.(Date,Type,TypeSeq=c(0L,cumsum(Type[-1L]!=Type[-nrow(dt)])))][,-3L,with=F]; 
##     Date Type  Total 
## 1: 2016-06-16 06:27:39 Buy 120.6281200 
## 2: 2016-06-16 06:27:39 Sell 44.6808900 
## 3: 2016-06-16 06:27:39 Buy 133.5332060 
## 4: 2016-06-16 06:27:39 Sell 0.7159179 

Answer 2

シンプルなソリューション（CRAN上の最新の安定、v1.9.6）：

require(data.table) 
# Create group id *and* aggregate in one-go using expressions in 'by' 
setDT(df)[, .(total = sum(Total)), by=.(group=rleid(Type), Date)] 

# group    Date  total 
# 1:  1 2016-06-16 06:27:39 120.6281200 
# 2:  2 2016-06-16 06:27:39 44.6808900 
# 3:  3 2016-06-16 06:27:39 133.5332060 
# 4:  4 2016-06-16 06:27:39 0.7159179