以缺失数据为条件的滚动累积总和

Question

我想在 data.table 中按项目计算滚动累积总和。有时，给定时间段内的数据会丢失。

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 个时间段的滚动窗口，我想要以下输出：

   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 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'，时间不是连续的，即。 2 不见了。所以，我们可以使用diff来根据相邻元素的差异创建一个逻辑索引。如果差值不为 1，则返回 TRUE，否则返回 FALSE。由于diff 的输出比列的length 小1，所以我们可以用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，得到'sales'的rollsum和k=2，并且还基于条件，如果在group 大于 1 只有我们需要这样做（if(.N >1)），否则它应该返回“sales”，创建“sales_rolling2”，并将“indx”分配（:=）为 NULL，因为它不需要在预期的输出中。

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，我们可以更有效地使用library(RcppRoll) 中的roll_sum，因为它甚至可以处理小于“k”的行数。这样，我们就可以去掉我之前解决方案中的if/else条件。 （完全归功于@Khashaa）

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