以缺失数据为条件的滚动累积和

Question

我想按 data.table 中的项目计算滚动累计和。有时，给定时间段内的数据缺失。

set.seed(8)
item <- c(rep("A",4), rep("B",3))
time <- c(1,2,3,4,1,3,4)
sales <- rpois(7,5)
DT <-  data.table(item, time,sales)

对于 2 个时间段的滚动 window，我需要以下输出：

   item time sales sales_rolling2
1:    A    1     5              5
2:    A    2     3              8
3:    A    3     7             10
4:    A    4     6             13
5:    B    1     4              4
6:    B    3     6              6
7:    B    4     4             10

注意，项目 B 在时间 2 没有数据。因此第 6 行的结果只包括最新的观察结果。

Answer 1

我们可以使用 library(zoo) 中的 rollsum 来进行滚动求和。在应用 rollsum 之前，我想我们需要根据 'time' 变量创建另一个分组变量 ('indx')。我发现对于项目 'B'，时间不连续，即。 2 不见了。所以，我们可以使用 diff 来创建一个基于相邻元素差异的逻辑索引。如果差异不是 1，它将 return TRUE 否则为 FALSE。由于 diff 输出比列的 length 少 length 1，我们可以用 TRUE 填充，然后执行 cumsum 来创建 'indx'变量。

library(zoo)
DT[, indx:=cumsum(c(TRUE, diff(time)!=1))]

第二步，我们同时使用'indx'和'time'作为分组变量，用k=2得到'sales'的rollsum，也根据条件，如果组中的元素数大于1我们只需要这样做（if(.N >1)），否则应该return 'sales'，创建'sales_rolling2'，并将 'indx' 分配 (:=) 为 NULL，因为在预期输出中不需要它。

DT[, sales_rolling2 := if(.N>1) c(sales[1],rollsum(sales,2)) else sales,
               by = .(indx, item)][,indx:= NULL]
#   item time sales sales_rolling2
#1:    A    1     5              5
#2:    A    2     3              8
#3:    A    3     7             10
#4:    A    4     6             13
#5:    B    1     4              4
#6:    B    3     6              6
#7:    B    4     4             10

更新

根据@Khashaa 的建议，我们可以使用 library(RcppRoll) 中的 roll_sum 可以更有效地使用，因为它甚至可以处理少于 'k' 的行数。这样，我们就可以去掉我之前方案中的if/else条件了。（完全归功于@Khashaa）

library(RcppRoll)
DT[, sales_rolling2 := c(sales[1L], roll_sum(sales, 2)), by = .(indx, item)]

以缺失数据为条件的滚动累积和

rolling cumulative sums conditional on missing data

r

data.table

cumulative-sum

更新