R：缺少日期的累计和

Question

我有两个数据框，一个（数据框 1）有日期和每个日期的一些观察值。在另一个 table（数据框 2）中，我的日期比另一个数据框更多。

我想做的是计算数据帧 1 的累计和并将结果放在数据帧 2 中。数据帧 2 中存在但数据帧 1 中不存在的任何日期都应该只包含前一天的值

数据框 1

Date        Obs  
2015-01-10  2  
2015-01-11  3  
2015-01-16  1  
2015-01-20  4

数据框 2

Date       cumSum
2015-01-09  0
2015-01-10  2
2015-01-11  5
2015-01-12  5
2015-01-13  5
2015-01-14  5
2015-01-15  5
2015-01-16  6
2015-01-17  6
2015-01-18  6
2015-01-19  6
2015-01-20 10
2015-01-21 10

如果有任何不清楚的地方，请告诉我。任何帮助都会很棒！

谢谢，

麦克

Answer 1

我们可以使用 data.table 的开发版本，即 v1.9.5（安装开发版本的说明是 here。

我们将第一个'data.frame'（'df1'）转换为'data.table'（setDT(df1)），与'df2'的'Date'列连接使用 on 选项（在开发版本中可用）。我们根据 'Obs' 中的非 NA 元素创建 'Cumsum' 列，方法是对 i (!is.na(Obs)) 中的行索引指定的 'Obs' 进行累加和。然后，我们可以使用 library(zoo) 中的 na.locf 将 NA 值替换为非 NA 先前值并更新 'Cumsum' 列。由于 'Obs' 列不在预期的输出中，我们可以将 (:=) 分配给 NULL。

library(data.table)#v1.9.5+
library(zoo)
res <- setDT(df1)[df2['Date'], on='Date'][!is.na(Obs), Cumsum:=cumsum(Obs)
           ][, Cumsum:=na.locf(Cumsum, na.rm=FALSE)][, Obs := NULL]
res
#         Date Cumsum
# 1: 2015-01-09     NA
# 2: 2015-01-10      2
# 3: 2015-01-11      5
# 4: 2015-01-12      5
# 5: 2015-01-13      5
# 6: 2015-01-14      5
# 7: 2015-01-15      5
# 8: 2015-01-16      6
# 9: 2015-01-17      6
#10: 2015-01-18      6
#11: 2015-01-19      6
#12: 2015-01-20     10
#13: 2015-01-21     10

如果需要，我们可以将 'Cumsum' 中的 NA 值替换为“0”

res[is.na(Cumsum), Cumsum:=0]

或者正如@Khashaa 在评论中提到的那样，我们可以在没有 na.locf 的情况下使用 roll=Inf

 setDT(df1)[,cumSum:=cumsum(Obs),][df2['Date'],
                       on='Date',roll=Inf][, Obs:= NULL][]

或者另一种选择是 match 和 na.locf 来获取数字索引并将非 NA 索引（来自 match）替换为 'Obs' 的累加和, 像以前一样使用 na.locf 如果需要，我们可以将 NA 替换为 0.

df2$Cumsum <- na.locf(cumsum(df1$Obs)[match(df2$Date, df1$Date)], na.rm=FALSE)

数据

df1 <- structure(list(Date = structure(c(16445, 16446, 16451, 16455),
class = "Date"), 
Obs = c(2L, 3L, 1L, 4L)), .Names = c("Date", "Obs"), 
row.names = c(NA, -4L), class = "data.frame")

df2 <-  structure(list(Date = structure(c(16444, 16445, 16446, 16447, 
16448, 16449, 16450, 16451, 16452, 16453, 16454, 16455, 16456
), class = "Date"), cumSum = c(0L, 2L, 5L, 5L, 5L, 5L, 5L, 6L, 
6L, 6L, 6L, 10L, 10L)), .Names = c("Date", "cumSum"), row.names = c(NA, 
-13L), class = "data.frame")

R：缺少日期的累计和

R: Cumulative sum with missing dates

r

cumsum

数据