在 data.table 内对带时间戳的交易使用动物园的 rollsum

Question

与 this question and this one, I'm having trouble calculating a rolling sum. Unlike those questions, I would like to try to use zoo:rollsum as analogous to the rollapply answer here 有点相关。（但如果有更 data.table 的方法，无论如何。）

让我们从一些数据开始：

set.seed(123)
some_dates <- function(){as.Date('1980-01-01') + sort(sample.int(1e4,100))}
d <- data.table(cust_id = c(rep(123,100),rep(456,100)),
                purch_dt = c(some_dates(), some_dates()),
                purch_amt = round(runif(200, 1, 100),2) )

head(d)
#    cust_id   purch_dt purch_amt
# 1:     123 1980-01-08     24.63
# 2:     123 1980-09-03     96.27
# 3:     123 1981-02-24     60.54

我想为每个客户做一个滚动的 365 天购买金额总和，在每个交易日计算。

答案here建议采用以下方法：

首先，使用交叉连接为所有客户-日期对创建虚拟行，例如：

setkey(d, cust_id, purch_dt)
dummy <- d[ CJ(unique(cust_id), seq(min(purch_dt), max(purch_dt), by='day') ) ]
#    cust_id   purch_dt purch_amt
# 1:     123 1980-01-08     24.63
# 2:     123 1980-01-09        NA
# 3:     123 1980-01-10        NA

到目前为止，一切顺利（尽管我确信有办法将这个虚拟 table 收紧到客户级别 min/max purch_dt）。

我的问题是如何使用 rollsumr 计算尾随 365 天总和。

我试过了：

dummy[, purch_365 := rollsumr(x=purch_amt, k=365, na.rm=TRUE) , by=cust_id]

但这会创建 purch_365 作为所有 NA 并给出两个警告，例如：

Warning messages:
1: In `[.data.table`(dummy, , `:=`(purch_365, rollsumr(x = purch_amt,  :
  Supplied 9550 items to be assigned to group 1 of size 9914 in column 'purch_365' (recycled leaving remainder of 364 items).

我得到 364 = k-1，以及 2 cust_id 秒的 2 个警告。除此之外，我不知所措。

# Desired output:
#    cust_id   purch_dt purch_amt purch_365
# 1:     123 1980-01-08     24.63     24.63
# 2:     123 1980-09-03     96.27    120.90
# 3:     123 1981-02-24     60.54    156.81

提前致谢！

Answer 1

这完全是在黑暗中拍摄，因为我没有完全理解你的问题，但也许将 purch_amt 中的 NA 值变成数字 0 可能会解决问题？ R 可能将 NA 值加在一起，这将导致答案为 NA。

例如NA + 1 = NA。尝试将这些 NA 值更改为零。

Answer 2

这是一种方法。首先，添加一个包含您关心的最后日期的列，以及一个用于跟踪事物的索引：

d[, old.date := purch_dt - 365]
d[, idx := .I]

然后在该日期进行滚动连接（假设版本为 1.9.5+），并提取每个匹配项的索引范围（即 .EACHI）：

res = d[d, .(idx = i.idx, seq = idx:i.idx), by = .EACHI, roll = -Inf,
        on = c(cust_id = 'cust_id', purch_dt = 'old.date')]

最后，将原始 data.table 与适当的范围进行子集，并计算总和：

d[, purch_365 := d[res$seq, sum(purch_amt), by = res$idx]$V1][]
#     cust_id   purch_dt purch_amt idx   old.date purch_365
#  1:     123 1980-01-08     24.63   1 1979-01-08     24.63
#  2:     123 1980-09-03     96.27   2 1979-09-04    120.90
#  3:     123 1981-02-24     60.54   3 1980-02-25    156.81
#  4:     123 1981-04-01     51.99   4 1980-04-01    208.80
#  5:     123 1981-04-02     40.85   5 1980-04-02    249.65
# ---                                                      
#196:     456 2006-01-29     24.72 196 2005-01-29    187.81
#197:     456 2006-02-15     27.78 197 2005-02-15    215.59
#198:     456 2006-09-22     11.00 198 2005-09-22     74.94
#199:     456 2006-09-27     12.67 199 2005-09-27     87.61
#200:     456 2006-11-18     99.13 200 2005-11-18    186.74

在 data.table 内对带时间戳的交易使用动物园的 rollsum

Using zoo's rollsum within data.table on timestamped transactions

r

zoo

data.table