按 R 中列的累积总和拆分 data.table

Question

如何将 data.table 拆分为 N 列的相等累积和？这些数据包括代码，N 是每个代码的更大集合中的行数（我没有在此处复制）。

我希望能够按近似值拆分代码。 N 的 50,000 cumsum，产生 data.table 行的不同长度，但具有总计约 50,000 N 的唯一代码。

实际上 N 是随机的，没有规律，但这在复制小样本数据方面做得很好：

dt <- dt <- data.table(code=c(1:500),N=c(rep(c(100:500),100),rep(c(100:500),100),rep(c(100:500),100), rep(c(100:500),100), rep(c(100:500),100)))
dt$cumsum <- cumsum(dt$N) 
desired1 <- dt[1:233,] ###first 50,000 cumsum of N
desired2 <- dt[234:359,]
desired3 <- dt[360:565,]
desired4 <- dt[566:713,] ###etc every 50,000 cumsum of N

Answer 1

我们创建一个分组变量 %/% 用于拆分。

dt[, grp := shift(cumsum %/% 50000, fill = 0)]

然后执行 split

lst <- split(dt, dt$grp)
tail(lst[[1]], 1)
#   code   N cumsum grp
#1:  233 332  50328   0

按 R 中列的累积总和拆分 data.table

Split data.table by cumsum of column in R

split

r

cumsum

data.table