在R中使用_order创建一个累积和列答案

【问题标题】：Creating a cumulative sum column with_order in R在R中使用_order创建一个累积和列
【发布时间】：2021-12-23 10:36:15
【问题描述】：

我正在编写一个在 R 中使用 queryparser 和 tidyquery 的 SQL 教程。这一直进展顺利，直到我被要求这样做：

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

Tidyquery 报告说它不支持 OVER 函数，所以我尝试使用 dplyr 复制 OVER (PARTITION BY...) 函数。

这使我在 dplyr 中找到了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"

在如何重新创建OVER(PARTITION BY...) 时，我是否看错了兔子洞？如果是这样，什么是更好的选择？还是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，以保持每个单独位置的疫苗接种总数。

【问题讨论】：

也许我遗漏了一些东西，但我仅使用测试就按位置获得了疫苗接种的总和 % group_by(location) %>% summarise(new_vaccinations)
@JamesWheeler，您的目标数据如何？
回答 Roman 并为 @Kylie R 澄清。感谢 Simon 的回答，这就是我想要得到的答案：test1 <- mydf %>% select(date, location, new_vaccinations) %>% group_by(location) %>% arrange(location, date) %>% mutate(new = cumsum(new_vaccinations)) %>% arrange(location, date) %>% select(date, location, new_vaccinations, new) view(test1)

标签： sql r dplyr tidyverse query-parser

【解决方案1】：

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

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

考虑一下这个 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

【讨论】：

感谢西蒙。我在对原始问题的评论中回复了我用来解决问题的最终代码。如果我在移动到更大的数据集时遇到任何问题，您介意我按照您的方式发送它们吗？这很有帮助！