R: birçok kritere göre özetlemek ve İşte benim orijinal veri çerçevesi masayı

Question

özetlemek için: Ben dataframe özetlemek ve endeksleri her dizin için benzersiz bir sicile sahip olmak benim istenen çıktıyı istiyorum

df <- read.table(text=" 
    Date   Index Event 
    2014-03-31 A  x 
    2014-03-31 A  x 
    2014-03-31 A  y 
    2014-04-01 A  y 
    2014-04-01 A  x 
    2014-04-01 B  x 
    2014-04-02 B  x 
    2014-04-03 A  x 
    2014-09-30 B  x", header = T, stringsAsFactors = F) 

date_range <- seq(as.Date(min(df$Date)), as.Date(max(df$Date)), 'days') 
indices <- unique(df$Index) 
events_table <- unique(df$Event) 

ve her tarih Tarih sütunundaki tüm değerler için numaralı yeni bir sütunda olaylar_tablodaki her bir olayın kümülatif değerini sağlarken date_range. Bazen her indeks veya her tarih için kayıt yoktur. Bu veri çerçevesinin basitleştirilmiş bir sürümüdür -

Date  Index cumsum(Event = x) cumsum(Event = y) 
2014-03-31 A  0     0 
2014-03-31 B  0     0 
2014-04-01 A  2     1 
2014-04-01 B  0     0 
2014-04-02 A  3     2 
2014-04-02 B  1     0 
... 
2014-09-29 A  4     2 
2014-09-29 B  2     0 
2014-09-30 A  4     2 
2014-09-30 B  2     0 

Bilginize:

İşte benim istenen çıkıştır. Her bir Tarih için yüzlerce farklı Dizin alanıyla yılda ~ 200.000 kayıt vardır.

Sabit disk sürücümün by ve belki de aggregate kullanılarak kızartılmadan önceki geçmişte yaptım, ancak işlem çok yavaştı ve bu sefer bu işe yaramadı. Ben de ddply denedim, ancak onunla çalışmak için cumsum işlevini alamıyorum. boşuna

ddply(xo1, .(Date,Index), summarise, 
     sum.x = sum(Event == 'x'), 
     sum.y = sum(Event == 'y')) 

: ddply kullanarak, böyle bir şey denedim.
Arama yoluyla, projemin birikimli kısmını oluşturan Replicating an Excel SUMIFS formula ürününü buldum, ancak bununla birlikte tarih/dizin başına yalnızca bir rekoru nasıl özetleyeceğimi anlayamadım. Ben de sum/aggregate data based on dates, R arasında rastladım ama burada dinamik tarih yönünü çalıştıramadım.

Yardım edebilecek herkes için teşekkürler!

Answer 1

library(dplyr) 
library(tidyr) 

df$Date <- as.Date(df$Date) 

Adım 1: {Tarih, Dizin} çiftleri

full_dat <- expand.grid(
    Date = date_range, 
    Index = indices, 
    stringsAsFactors = FALSE 
) %>% 
    arrange(Date, Index) %>% 
    tbl_df 

Adım 2 tam bir listesini oluşturun: NA

cumsum2 <- function(x){ 

    x[is.na(x)] <- 0 
    cumsum(x) 

} 

Adım 3 görmezden bir cumsum() fonksiyonunu tanımlayın : {Tarih, Dizin} başına toplamlar oluşturun, tam {Tarih, Dizin} verileriyle birleştirin, ve l'yi hesaplayın toplam kümülatif toplam

df %>% 
    group_by(Date, Index) %>% 
    summarise(
    totx = sum(Event == "x"), 
    toty = sum(Event == "y") 
    ) %>% 
    right_join(full_dat, by = c("Date", "Index")) %>% 
    group_by(Index) %>% 
    mutate(
    cumx = lag(cumsum2(totx)), 
    cumy = lag(cumsum2(toty)) 
    ) %>% 
    # some clean up. 
    select(-starts_with("tot")) %>% 
    mutate(
    cumx = ifelse(is.na(cumx), 0, cumx), 
    cumy = ifelse(is.na(cumy), 0, cumy) 
    ) 

Answer 2

dplyr ve tidyr ile böyle bir şey çalışır mı?

library(dplyr) 
library(tidyr) 

df %>% 
    group_by(Date, Index, Event) %>% 
    summarise(events = n()) %>% 
    group_by(Index, Event) %>% 
    mutate(cumsum_events = cumsum(events)) %>% 
    select(-events) %>% 
    spread(Event, cumsum_events) %>% 
    rename(sum.x = x, 
     sum.y = y) 

#  Date Index sum.x sum.y 
#1 2014-03-31  A  2  1 
#2 2014-04-01  A  3  2 
#3 2014-04-01  B  1 NA 
#4 2014-04-02  B  2 NA 
#5 2014-04-03  A  4 NA 
#6 2014-09-30  B  3 NA