按组清除 R 数据框中的行

Question

这是我的数据框的样子：

df <- read.table(text='
    CustomerName    Sales          TradeDate
    John           1000              1/1/2015
    John          -1000              1/1/2015
    John           1000              1/1/2015
    John           5000              2/1/2015
    John          -2000              3/1/2015
    John           2000              3/2/2015
    John           2000              3/3/2015
    John          -2000              3/4/2015
    John           2000              3/5/2015
    John           2000              3/6/2015
    John          -3000              4/1/2015
    John           3000              4/1/2015
    John          -3000              4/1/2015
    John           2000              5/1/2015
    John          -2000              5/1/2015
    John           2000              5/1/2015
    Tom            1000              1/1/2015
    Tom           -1000              1/1/2015
    Tom            1000              1/1/2015
    Tom            5000              2/1/2015
    Tom           -2000              3/1/2015
    Tom            2000              3/1/2015
    Tom           -2000              3/1/2015
    Tom            2000              3/1/2015
    Tom            2000              3/1/2015
    Tom           -3000              4/1/2015
    Tom            3000              4/1/2015
    Tom           -3000              4/1/2015
                                             ', header=T)

我想去掉所有数量相等、符号相反(+,-)的Sales，只显示剩余的净Sales（最好是最早的日期，但不管怎样都无所谓） .我想要的数据框如下所示

CustomerName    Sales   TradeDate
John            1000    1/1/2015
John            5000    2/1/2015
John            2000    3/3/2015
John            2000    3/6/2015
John           -3000    4/1/2015
John            2000    5/1/2015
Tom             1000    1/1/2015
Tom             5000    2/1/2015
Tom             2000    3/1/2015
Tom            -3000    4/1/2015

我从 2015 年 3 月 3 日和 2015 年 3 月 6 日选择了两个 2000 年代（约翰的案例是 3 月份）。但我也同意在 2015 年 3 月 2 日或 2015 年 3 月 5 日给了我两个 2000 的输出。非常感谢您的帮助！

Answer 1

这是我在 data.table 中要做的事情：

library(data.table)

# identify how many transactions we need to keep
setDT(df)[,
    n_keep := sum(Sales)/transval
,by=.(CustomerName,transval=abs(Sales))]

# tag those transactions
df[sign(Sales)==sign(n_keep),
    keep := 1:.N %in% tail(1:.N,abs(n_keep[1]))
,by=.(CustomerName,Sales)]

# keep 'em
df[(keep)][,c("n_keep","keep"):=NULL][]

这给出了

   CustomerName Sales TradeDate
1:         John  1000  1/1/2015
2:         John  5000  2/1/2015
3:         John  2000  3/5/2015
4:         John  2000  3/6/2015
5:         John -3000  4/1/2015
6:          Tom  1000  1/1/2015
7:          Tom  5000  2/1/2015
8:          Tom  2000  3/1/2015
9:          Tom -3000  4/1/2015

我确定我的代码可以简化，但我认为这些步骤非常透明。

Answer 2

另一种解决方案是只计算每日总计：

library(dplyr)
df %>%
  group_by(CustomerName, TradeDate) %>%
  summarise(Sales = sum(Sales))
#> Source: local data frame [14 x 3]
#> Groups: CustomerName
#> 
#>    CustomerName TradeDate Sales
#> 1          John  1/1/2015  1000
#> 2          John  2/1/2015  5000
#> 3          John  3/1/2015 -2000
#> 4          John  3/2/2015  2000
#> 5          John  3/3/2015  2000
#> 6          John  3/4/2015 -2000
#> ...

按组清除 R 数据框中的行

Getting rid of wash out rows in R dataframe by group

r

dataframe

zoo

dplyr

data.table