逐组清除 R 数据帧中的行答案

【问题标题】：Getting rid of wash out rows in R dataframe by group逐组清除 R 数据帧中的行
【发布时间】：2015-06-30 17:20:02
【问题描述】：

这是我的数据框的样子：

df <- read.table(text='
    CustomerName    Sales          TradeDate
    John           1000              1/1/2015
    John          -1000              1/1/2015
    John           1000              1/1/2015
    John           5000              2/1/2015
    John          -2000              3/1/2015
    John           2000              3/2/2015
    John           2000              3/3/2015
    John          -2000              3/4/2015
    John           2000              3/5/2015
    John           2000              3/6/2015
    John          -3000              4/1/2015
    John           3000              4/1/2015
    John          -3000              4/1/2015
    John           2000              5/1/2015
    John          -2000              5/1/2015
    John           2000              5/1/2015
    Tom            1000              1/1/2015
    Tom           -1000              1/1/2015
    Tom            1000              1/1/2015
    Tom            5000              2/1/2015
    Tom           -2000              3/1/2015
    Tom            2000              3/1/2015
    Tom           -2000              3/1/2015
    Tom            2000              3/1/2015
    Tom            2000              3/1/2015
    Tom           -3000              4/1/2015
    Tom            3000              4/1/2015
    Tom           -3000              4/1/2015
                                             ', header=T)

我想去掉所有金额相等但符号相反的销售额（+，-），只显示剩余的净销售额（最好在最早的日期，但无论哪种方式都无关紧要）。我想要的数据框是这样的

CustomerName    Sales   TradeDate
John            1000    1/1/2015
John            5000    2/1/2015
John            2000    3/3/2015
John            2000    3/6/2015
John           -3000    4/1/2015
John            2000    5/1/2015
Tom             1000    1/1/2015
Tom             5000    2/1/2015
Tom             2000    3/1/2015
Tom            -3000    4/1/2015

我从 2015 年 3 月 3 日和 2015 年 3 月 6 日选择了两个 2000（约翰在 3 月份的情况）。但我也可以接受在 2015 年 3 月 2 日或 2015 年 3 月 5 日给我两个 2000 的输出。非常感谢您的帮助！

【问题讨论】：

标签： r dataframe data.table dplyr zoo

【解决方案1】：

这就是我要做的，data.table:

library(data.table)

# identify how many transactions we need to keep
setDT(df)[,
    n_keep := sum(Sales)/transval
,by=.(CustomerName,transval=abs(Sales))]

# tag those transactions
df[sign(Sales)==sign(n_keep),
    keep := 1:.N %in% tail(1:.N,abs(n_keep[1]))
,by=.(CustomerName,Sales)]

# keep 'em
df[(keep)][,c("n_keep","keep"):=NULL][]

给了

   CustomerName Sales TradeDate
1:         John  1000  1/1/2015
2:         John  5000  2/1/2015
3:         John  2000  3/5/2015
4:         John  2000  3/6/2015
5:         John -3000  4/1/2015
6:          Tom  1000  1/1/2015
7:          Tom  5000  2/1/2015
8:          Tom  2000  3/1/2015
9:          Tom -3000  4/1/2015

我确信我的代码可以简化，但我认为这些步骤非常透明。

【讨论】：

John 2000 应该有两个条目
@docendodiscimus 哦，你是对的。不知道如何得到那个......思考。
@PierreLafortune 谢谢，已修复
这两列似乎是所需输出的混合。一些 activesal 应该在 transval 中，反之亦然
@Frank 采用了不同的方法，因为我没有捕获日期。不过好主意！

【解决方案2】：

另一种解决方案是只计算每日总数：

library(dplyr)
df %>%
  group_by(CustomerName, TradeDate) %>%
  summarise(Sales = sum(Sales))
#> Source: local data frame [14 x 3]
#> Groups: CustomerName
#> 
#>    CustomerName TradeDate Sales
#> 1          John  1/1/2015  1000
#> 2          John  2/1/2015  5000
#> 3          John  3/1/2015 -2000
#> 4          John  3/2/2015  2000
#> 5          John  3/3/2015  2000
#> 6          John  3/4/2015 -2000
#> ...

【讨论】：