0

我有两个数据框，一个（数据框 1）带有日期和每个日期的一些观察结果。在另一个表（数据框 2）中，我的日期比另一个数据框中的日期多。

我想做的是计算数据框1的累积和并将结果放在数据框2中。数据框2中存在但不在数据框1中的任何日期都应该简单地具有前一天的值

数据框 1 

Date        Obs  
2015-01-10  2  
2015-01-11  3  
2015-01-16  1  
2015-01-20  4

数据框 2 

Date       cumSum
2015-01-09  0
2015-01-10  2
2015-01-11  5
2015-01-12  5
2015-01-13  5
2015-01-14  5
2015-01-15  5
2015-01-16  6
2015-01-17  6
2015-01-18  6
2015-01-19  6
2015-01-20 10
2015-01-21 10

如果有任何不清楚的地方，请告诉我。任何帮助都会很棒！

谢谢，

麦克风

4

1 回答 1

2

我们可以使用data.tableie的 devel 版本v1.9.5（安装 devel 版本的说明是here.

我们将第一个 'data.frame' ('df1') 转换为 'data.table' ( )，使用选项（在开发版本中可用）setDT(df1)与 'df2' 的 'Date' 列连接。我们通过对 i ( )on中的行索引指定的 'Obs' 进行累积和来创建基于 'Obs' 中的非 NA 元素的 'Cumsum' 列。!is.na(Obs)然后，我们可以使用na.locffromlibrary(zoo)将这些NA值替换为非 NA 以前的值并更新“Cumsum”列。由于 'Obs' 列不在预期的输出中，我们可以将 ( :=) 它分配为 NULL。

library(data.table)#v1.9.5+
library(zoo)
res <- setDT(df1)[df2['Date'], on='Date'][!is.na(Obs), Cumsum:=cumsum(Obs)
           ][, Cumsum:=na.locf(Cumsum, na.rm=FALSE)][, Obs := NULL]
res
#         Date Cumsum
# 1: 2015-01-09     NA
# 2: 2015-01-10      2
# 3: 2015-01-11      5
# 4: 2015-01-12      5
# 5: 2015-01-13      5
# 6: 2015-01-14      5
# 7: 2015-01-15      5
# 8: 2015-01-16      6
# 9: 2015-01-17      6
#10: 2015-01-18      6
#11: 2015-01-19      6
#12: 2015-01-20     10
#13: 2015-01-21     10

如果需要，我们可以将NA'Cumsum' 中的值替换为 '0'

res[is.na(Cumsum), Cumsum:=0]

或者正如评论中提到的@Khashaa，我们可以不na.locf使用roll=Inf 

 setDT(df1)[,cumSum:=cumsum(Obs),][df2['Date'],
                       on='Date',roll=Inf][, Obs:= NULL][]

或者另一种选择是match获取na.locf数字索引并将非 NA 索引（来自match）替换为“Obs”的累积总和，na.locf如前所述使用，如果需要，我们可以将 替换为NA0。

df2$Cumsum <- na.locf(cumsum(df1$Obs)[match(df2$Date, df1$Date)], na.rm=FALSE)

数据

df1 <- structure(list(Date = structure(c(16445, 16446, 16451, 16455),
class = "Date"), 
Obs = c(2L, 3L, 1L, 4L)), .Names = c("Date", "Obs"), 
row.names = c(NA, -4L), class = "data.frame")

df2 <-  structure(list(Date = structure(c(16444, 16445, 16446, 16447, 
16448, 16449, 16450, 16451, 16452, 16453, 16454, 16455, 16456
), class = "Date"), cumSum = c(0L, 2L, 5L, 5L, 5L, 5L, 5L, 6L, 
6L, 6L, 6L, 10L, 10L)), .Names = c("Date", "cumSum"), row.names = c(NA, 
-13L), class = "data.frame")
于 2015-08-21T10:43:48.990 回答