对超过 2 列进行分组并在计算中使用后续组的值

Question

假设我有一个包含 3 列、group1、group2 和变量的 df

set.seed(1)
group1 = c(rep(1,5),rep(2,5),rep(3,5),rep(4,5))
group2 = c("A","B","C","D","B","C","C","B","C","A","B","D")
variable = c(as.integer(rnorm(20,2)**3))
df=data.frame(group1, group2, variable)

我添加了 'min1' 列，其中说明 'group1' 中的 b 值是否也出现在 group1(x-1) 中。反之亦然与 plus1。总数据框下方：

   group1 group2 variable min1 plus1
1       1      A        3    0     0
2       1      B       11    0     1
3       1      C        2    0     1
4       2      D       47    0     1
5       2      B       13    1     1
6       2      C        2    1     1
7       3      C       16    1     0
8       3      B       21    1     1
9       3      C       18    1     0
10      4      A        5    0     0
11      4      B       44    1     0
12      4      D       14    0     0

现在我想对变量进行诸如 max() 和 sum() 之类的计算（还有一些更奇特的），但不仅是对它们自己的 group1 和 group2 组合中的所有值，还包括之前（或之后）的小组。 min1 示例如下所示。

  group1_min1 group2_min1 sum_min1 max_min1
1           2           B       24       13
2           2           C        4        2
3           3           C       36       18
4           3           B       34       21
5           4           B       65       44

请注意，对于 group1_min1(3)，group2_min1(C) 使用了三个值：第 6,7&9 (2,16&18) 行。

我尝试使用 group_by 并在 dplyr 中进行总结，例如：

group_by(group1, group2) %>% 
summarize_each(funs(sum, max))

编辑：

我找到了将总和添加到原始 df 的解决方案：

sum_min1 = c()
j=0
for (j in 1:(length(df$group1))){
  if (df[j,"min1"] == 0){sum_min1 = c(sum_min1,0)} else {
    sum_min1 = c(sum_min1,(sum(df[which((df[,"group1"] == df[j,"group1"] | df[,"group1"] == (df[j,"group1"]-1)) & df[,"group2"]==(df[j,"group2"])),"variable"])))
  }
}
df = cbind(df,sum_min1)

这提供了输出：

   group1 group2 variable min1 plus1 sum_min1
1         1    A        3    0     0       0
2         1    B       11    0     1       0
3         1    C        2    0     1       0
4         2    D       47    0     0       0
5         2    B       13    1     1      24
6         2    C        2    1     1       4
7         3    C       16    1     0      36
8         3    B       21    1     1      34
9         3    C       18    1     0      36
10        4    A        5    0     0       0
11        4    B       44    1     0      65
12        4    D       14    0     0       0

不过这种方式貌似很粗糙，在大数据集上可能会耗时较长，而且现实中有多个变量和多个函数。这也可能是个问题，因为我想做一些用户定义的函数，其中包括所有值的 for 循环。

有没有更优雅的方法来做到这一点？

对不起，我做错了什么，我是 R 和 Whosebug 的新手，不是母语人士。

Answer 1

# Data
set.seed(1)
group1 = c(rep(1,3),rep(2,3),rep(3,3),rep(4,3))
group2 = c("A","B","C","D","B","C","C","B","C","A","B","D")
variable = c(as.integer(rnorm(12,2)**3))
df=data.frame(group1, group2, variable)

第一部分-

df$min1 <- sapply(seq(nrow(df)), function(x)
          {
           if(df[x, "group1"] == 1){0} else {
            max(df[x, "group2"] %in% df[df$group1 == df[x,"group1"] - 1,"group2"])}
          })

df$plus1 <- sapply(seq(nrow(df)), function(x)
          {
           if(df[x, "group1"] == max(df$group1){0} else {
            max(df[x, "group2"] %in% df[df$group1 == df[x,"group1"] + 1,"group2"])}
          })

第二部分

df$sum_min1 <- sapply(seq(nrow(df)), function(x)
                {
                 if(df[x, "group1"] == 1){0}else{
                  sum(df[df$group1 == df[x,"group1"] & 
                         df$group2 == df[x,"group2"],"variable"],
                      df[df$group1 == df[x,"group1"] - 1 &
                         df$group2 == df[x,"group2"],"variable"])}
                 })

对超过 2 列进行分组并在计算中使用后续组的值

Grouping over 2 columns and use values of subsequent groups in calculations

grouping

r

function

conditional-statements

summarize