1

请考虑以下合成数据框：

#Learning to enable splitting contributions spanning two months

start = c(as.Date("2013-01-01"), as.Date("2013-02-01"), as.Date("2013-04-01"), as.Date("2013-04-16"), as.Date("2013-05-16"))
end = c(as.Date("2013-01-31"), as.Date("2013-03-31"), as.Date("2013-04-15"), as.Date("2013-05-15"), as.Date("2013-05-31"))
amount = c(100, 200, 50, 100, 50)

df = data.frame(start,end,amount)

这是收到的现金清单及其相关的时间段。其中一些时间段跨越两个月。我想按月汇总。对于与跨越两个月的时期相关的那些金额，我想在两个月之间线性分配/分配它们。

在 R 中执行此操作的惯用正确方法是什么？

4

1 回答 1

5

创建一个函数，将间隔分解为每天explode一行的数据框。用于应用于生成数据帧列表的每个间隔，每个间隔一个。接下来将列表中的数据框合并为一个大数据框，每天一行。最后汇总成每一年/月的一行：Mapexploderbindby.dateby.date

library(zoo) # as.yearmon

explode <- function(start, end, amount) {
   dates <- seq(start, end, "day")
   data.frame(dates, yearmon = as.yearmon(dates), amount = amount / length(dates))
}
by.date <- do.call("rbind", Map(explode, df$start, df$end, df$amount))
aggregate(amount ~ yearmon, by.date, sum)

使用问题中的数据（假设 2010 年的发生应该是 2013 年），我们得到：

   yearmon    amount
1 Jan 2013 100.00000
2 Feb 2013  94.91525
3 Mar 2013 105.08475
4 Apr 2013 100.00000
5 May 2013 100.00000

更新：如果内存有问题，请explode改用它。它首先在内部聚合，explode因此它的输出更小。我们还删除了该dates列，DF因为它仅用于调试：

explode <- function(start, end, amount) {
   dates <- seq(start, end, "day")
   DF <- data.frame(yearmon = as.yearmon(dates), amount = amount / length(dates))
   aggregate(amount ~ yearmon, DF, sum)
}

更新2：这是另一个尝试。它使用rowsum专门用于汇总总和的。在我的测试中，这个在帖子中的数据上运行速度快了 10 倍。

explode2 <- function(start, end, amount) {
  dates <- seq(start, end, "day")
  n <- length(dates)
  rowsum(rep(amount, n) / n, format(dates, "%Y-%m"))
}
by.date <- do.call("rbind", Map(explode2, df$start, df$end, df$amount))
rowsum(by.date, rownames(by.date))
于 2013-10-11T16:07:05.513 回答