使用 data.table 随着时间的推移创建组变量答案

【问题标题】：Create group variable over time with data.table使用 data.table 随着时间的推移创建组变量
【发布时间】：2017-02-21 14:08:57
【问题描述】：

我有一个 20 年间对大约 200 家美国公司的每日观察数据集。我想构建一个每天取值 1-10 的组变量，具体取决于例如公司的规模。我正在使用 data.table 和函数 ntile(size,10) 来创建组。

我试过了

DT[,decile:=(ntile(size,10)),by=date]

但它不起作用。 DT 是我的data.table，其中包括变量日期、大小、价格、公司ID 等

【问题讨论】：

什么不完全有效？结果是不是和预期的不一样？有错误吗？
你能发布一些示例数据吗？
带有一些模拟数据的可重现示例会有所帮助
分配 (:=) 不起作用，因为原始数据集的行数与新的 ntile 输出不同。请展示一个可重现的小示例以及基于该示例的预期输出
我的意图是创建 10 个组，每个组由大约 20 家公司组成。第 1 组将是第 t 天的 20 家最小的公司，由 Size 变量衡量，第 2 组是第 t 天的 20 家第二小的公司，依此类推，然后第 10 组是第 t 天的 20 家最大的公司。

标签： r data.table

【解决方案1】：

这是一个简单的玩具示例：DT = data.table( name=c("A","A","A","A","B","B","B","B","C","C","C","C","D","D","D","D"), date=1:4, size=c(100, 101, 103, 102, 50, 51, 50 ,49, 200, 201, 202, 205, 95, 96, 98, 110) ) DT[,decile:=(ntile(size,2)),by=date]

【讨论】：

【解决方案2】：

使用稍微大一点的示例数据集，我可以构造一个组变量如下：

# sample data
DT = data.table(
  firm= rep(LETTERS, each = 20),
  date = 1:20,
  size = sample(1:250, length(LETTERS) * 20, replace = TRUE))

# sort and assign group rank
setkey(DT, date, size)
DT[, grouprank := (1:.N) %/% 10L, by = date]

这将在每个单独的日期为每个公司分配一个规模组排名，从单个日期的结果子集可以看出：

DT[date == 1]

    firm date size grouprank
 1:    J    1   15         0
 2:    L    1   37         0
 3:    K    1   57         0
 4:    Q    1   64         0
 5:    R    1   64         0
 6:    C    1   81         0
 7:    E    1   86         0
 8:    I    1  106         0
 9:    O    1  117         0
10:    B    1  118         1
11:    X    1  119         1
12:    A    1  135         1
13:    H    1  138         1
14:    D    1  140         1
15:    F    1  162         1
16:    N    1  171         1
17:    M    1  178         1
18:    S    1  178         1
19:    T    1  181         1
20:    G    1  188         2
21:    Y    1  196         2
22:    P    1  204         2
23:    W    1  205         2
24:    V    1  244         2
25:    Z    1  245         2
26:    U    1  247         2
    firm date size grouprank

【讨论】：