将函数应用于 data.table 中的复杂子集答案

【问题标题】：Apply function to complex subset in data.table将函数应用于 data.table 中的复杂子集
【发布时间】：2016-07-13 18:31:54
【问题描述】：

我是 data.table 的新手，我希望在进入真正的大数据集领域时变得更好。

我正在尝试计算变量 x 的年均值，但从六月（y 年 -1）到六月（y 年）。这很容易使用plyr：

set.seed(9)

dat = data.frame(
  year = rep(2000:2010, each = 12),
  month = 1:12,
  x = runif(12*length(2000:2010))
)

library(plyr)

ldply(unique(dat$year), function(i) 

  if(i == unique(dat$year)[1]) NULL else # in the event going too far back

    data.frame(
      year = i,
      mean.x = mean(c(dat[dat$year == (i - 1) & dat$month == 7:12, "x"], dat[dat$year == i & dat$month == 1:6, "x"]))
    )

)

但我正在努力将语法转换为data.table。我宁愿在不创建中间变量的情况下将所有内容向前移动 6 个月，因为我想在他们最初的 1 月至 12 月框架中总结一些变量。

感谢任何帮助！干杯

【问题讨论】：

标签： r data.table plyr

【解决方案1】：

使用data.table，我们将shift '年'乘以6，将其用作分组变量，并获得'x'的mean

setDT(dat)[, .(Mean = mean(x)) ,.(year = shift(year, 6)+1)][-c(1L,.N)]
#  year      Mean
# 1: 2001 0.5086499
# 2: 2002 0.5197482
# 3: 2003 0.6547623
# 4: 2004 0.5869022
# 5: 2005 0.4502414
# 6: 2006 0.5000369
# 7: 2007 0.4514377
# 8: 2008 0.4566757
# 9: 2009 0.3844152
#10: 2010 0.5635942

【讨论】：

那么shift中的6是指偏移数据的行数？嗯，我喜欢。
@jslefche 是的，你是对的。我得到的输出与您使用 ldply 显示的相同
为什么不把-c(1,11)改成-c(1L,.N)？
@jangorecki 感谢您的评论

【解决方案2】：

Dplyr 提供了一个简单的解决方案。本质上，创建一个相对年份的虚拟变量 - 您要分组的年份 - 然后分组、汇总，并让您的年份列再次具有正确的名称。

library(dplyr)


summaryDat <- dat %>%

  #assign relative year for calculation
  mutate(relYear = ifelse(month>6, year+1, year)) %>%

  #now group on relative year
  group_by(relYear) %>%

  #get your mean
  summarize(mean_x = mean(x)) %>%

  #now ungroup
  ungroup() %>%

  #format year nicely
  rename(year = relYear)

【讨论】：

请注意，您可以通过直接覆盖 year 的 mutate 语句来使其更紧凑，但是，如果您想对 year 做其他事情，我不想这样做。但它会消除最后的rename 行。