在 R 中创建累积和列 with_order

Question

我正在研究 SQL 在 R 中使用 queryparser 和 tidyquery 的教程。这一直很顺利，直到我被要求这样做：

SELECT ... SUM(new_vaccinations) OVER (PARTITION BY location) as vaccinations_to_date

Tidyquery 报告它不支持 OVER 函数，所以我试图用 dplyr 复制 OVER (PARTITION BY...) 函数。

这让我在 dplyr 中找到 with_order(order_by =...。现在我正在努力让 fun = 允许我创建一个累积总和列。

library(tidyverse)
library(queryparser)
library(tidyquery)

mydf <- data.frame(date = as.Date(c("2021-06-01", '2021-06-02','2021-06-03','2021-06-04',
                                  '2021-6-01','2021-6-02','2021-6-03','2021-6-04',
                                  '2021-6-01','2021-6-02','2021-6-03','2021-6-04')),
                   location = c('United States','United States','United States','United States',
                                'Canada','Canada','Canada','Canada','Mexico','Mexico','Mexico','Mexico'),
                   new_vaccinations = c(100,98,32,50,99,34,97,53,35,101,97,56))

test <- mydf %>% 
  mutate (total_vax = with_order(order_by = location, fun = cumsum(new_vaccinations), x = desc(location)))

这给了我错误

could not find function "fun"

关于如何重新创建 OVER(PARTITION BY...)，我是否看错了兔子洞？如果是这样，什么是更好的选择？或者我错过了如何正确使用 with_order(order_by =...)?

如果不清楚，我的目标是创建一个新列，为每个单独的位置保留运行疫苗接种总数。

Answer 1

SQL 的 PARTITION BY 方面通常可以使用 group_by 在 dplyr 中完成。

并且 SQL 的 ORDER BY 方面通常可以使用 arrange 在 dplyr 中完成。

考虑这个 R 代码：

library(dplyr)
data(mtcars)

mtcars %>%
  select(mpg, cyl) %>%
  group_by(cyl) %>%
  arrange(mpg) %>%
  mutate(new = cumsum(mpg)) %>%
  arrange(cyl, mpg) %>%
  select(cyl, mpg, new)

相当于这个SQL:

SELECT cyl
    ,mpg
    ,SUM(mpg) OVER (PARTITON BY cyl ORDER BY mpg) AS new
FROM mtcars

在 R 中创建累积和列 with_order

Creating a cumulative sum column with_order in R

sql

r

dplyr

tidyverse

query-parser