1

我有以下数据框：

id<-c(1,1,1,1,1,3,3,3,3)
spent<-c(10,20,30,40,50,60,70,80,90)
date<-c("11-11-07","11-11-07","23-11-07","12-12-08","17-12-08","11-11-07","23-11-07","23-   11-07","16-01-08")
df<-data.frame(id,date,spent)
df$date2<-as.Date(as.character(df$date), format = "%d-%m-%y")


 id     date spent      date2
1  1 11-11-07    10 2007-11-11
2  1 11-11-07    20 2007-11-11
3  1 23-11-07    30 2007-11-23
4  1 12-12-08    40 2008-12-12
5  1 17-12-08    50 2008-12-17
6  3 11-11-07    60 2007-11-11
7  3 23-11-07    70 2007-11-23
8  3 23-11-07    80 2007-11-23
9  3 16-01-08    90 2008-01-16

我需要每天计算总和spent并将id其包含在框架中，如下所示：

 id     date spent      date2    sum.spent
1  1 11-11-07    10 2007-11-11    10
2  1 11-11-07    20 2007-11-11    30 
3  1 23-11-07    30 2007-11-23    30
4  1 12-12-08    40 2008-12-12    40
5  1 17-12-08    50 2008-12-17    50
6  3 11-11-07    60 2007-11-11    60
7  3 23-11-07    70 2007-11-23    70
8  3 23-11-07    80 2007-11-23    150
9  3 16-01-08    90 2008-01-16    90

以下脚本运行良好（除了第一行没什么大不了的）：

df$spent2<-NA
for (a in 2:9)
if (df[a,1]==df[a-1,1]&& df[a,4]==df[a-1,4])
(df[a,5]=df[a,3]+df[a-1,3])else(df[a,5]=df[a,3])

但是，由于我的实际数据集中的行数约为 150 万，因此执行上述脚本大约需要 5 天时间。我想知道您是否可以提出一种更有效的方法来编写此代码并实现相同的目标。

4

2 回答 2

6

data.table非常快，尤其是对于如此大的数据集。对于 150 万条记录，这应该运行得非常快。

library(data.table)
df <- data.table(df)
df <- df[, sum.spent:=cumsum(spent), by = list(id, date2)]
于 2012-10-26T06:39:37.330 回答
3

这是一个基本的 R 解决方案：

df$sum.spent <- ave(df$spent,df$id,df$date2,FUN=cumsum)

我得到的结果与您的预期答案不同，但我认为这是正确的？

于 2012-10-26T06:50:12.253 回答