以区间为条件的累积和答案

【问题标题】：Cumulative sum conditional to interval以区间为条件的累积和
【发布时间】：2016-01-08 02:37:48
【问题描述】：

我想计算应用于另一列的一组间隔[n, +∞)（即≥ n）的数据框列的条件总和。在下面的示例数据中，间隔应用于列a，列b 中的值有条件地求和。对于[0, +∞)，所有a 列的值都是≥ 0，所以b_sum 是所有值的总和。对于[3, +∞)，只有一条记录是≥ 3，所以b_sum 是500。

输入数据

期望的结果

我确信使用for 循环会很简单；然而;我想避免这种方法并使用矢量化基 R 或 dplyr 方法。

【问题讨论】：

到目前为止你尝试了什么？
@Pascal。我会尝试for 循环，但我知道这不是R 中最有效的方法。我举的例子是微不足道的。实际输入数据可能有超过一百万条记录。我可以在dplyr 中按间隔进行求和，但仅限于每条记录唯一的间隔。我的示例有重叠的间隔。

标签： r dplyr

【解决方案1】：

矢量化解

df <- df[order(df$a), ] # sort by "a" column
ind <- findInterval(0:4, df$a) + 1 
sum(df$b) - cumsum(c(0,  df$b))[ind]
#[1] 1230 1130  650  500    0

【讨论】：

【解决方案2】：

我们可以使用vapply

 n <- trunc(min(df1$a)) : ceiling(max(df1$a))


 b_sum <- vapply(n, function(i) sum(df1$b[!is.na(cut(df1$a,
                     breaks=c(i, Inf)))]), 0)
 b_sum
#[1] 1230 1130  650  500    0
data.frame(n, b_sum)

我们也不需要cut

vapply(n, function(i) sum(df1$b[df1$a>i]), 0)
#[1] 1230 1130  650  500    0

【讨论】：

感谢@akrun 有效。我尝试了我的 200k 记录数据，它也很快。

【解决方案3】：

布尔数学。将向量乘以逻辑条件，得到 0/1

 sapply(0:4, function(n) { sum( (sub("\\..+$", "", inp$a) >= n )*inp$b ) } )
#[1] 1230 1130  650  500    0

data.frame( n=0:4, 
            b_sum= sapply(0:4, function(n) sum( sub("\\..+$", "", inp$a) >= n)*inp$b) )

【讨论】：

【解决方案4】：

另一种可能性：

data.frame(n = 0:4, b_sum = with(df, sum(b) - c(0, cumsum(tapply(b, floor(a), sum)))))

【讨论】：