基于特定条件的累计金额

Question

这是我的数据框：

       X   Y  Date   Qty  CumSumA  CumSumB
    1  A   B   1/1     1        1        0
    2  A   A   1/1     2        3        2
    3  A   E   1/1     2        5        2
    4  B   A   1/1     1        1        1
    5  B   B   1/1     3        4        4
    6  B   C   1/1     2        6        4
    7  C   D   1/1     2        2        2
    8  C   E   1/1     4        6        2
    9  C   A   1/1     1        7        2
   10  A   C   1/2     2        2        0
   11  A   D   1/2     3        5        0
   12  A   E   1/2     2        7        0
   13  B   A   1/2     5        5        0
   14  B   B   1/2     1        6        1
   15  B   C   1/2     2        8        1
   16  C   D   1/2     2        2        4
   17  C   E   1/2     1        1        4
   18  C   A   1/2     3        4        4

我用

得到 CumSumA 列

library(dplyr)
data <- data %>% 
        group_by(Date,X) %>% 
        mutate(CumSumA= cumsum(Qty)) 

我怎样才能得到 CumSumB 列，它是上面所有行的 Qty 的累积总和，在列 @987654326 中具有 (a) 相同的 Date 值和 (b) 相同的行 X 值@。

例如，第 16 行的 X 值为 C，Date 值为 1/2。我想获得 Y 值 C 和 Date 值 1/2 的所有行的 Qty 的累积总和。所以这将是第 10 行加上第 15 行，所以 CumSumB 是 2 + 2 = 4。

请注意，X 和 Y 列有 140 多个唯一变量。

Answer 1

此解决方案基于data.table 并与allow.cartesian=TRUE 结合

require(data.table)
setDT(DT)

创建一个基础data.table，我们稍后将使用它的X 列。

DT_X <- DT[,.(X,Y, Date, indx = .I)]
setkey(DT_X, Date, X)

删除X 并在原始DT 中插入索引

DT[,`:=`(X=NULL, indy = .I)]
setkey(DT, Date, Y)

如果X = Y（与allow.cartesian=TRUE），则加入数据。如果您好奇，请查看DT_join。请参阅 Why does X[Y] join of data.tables not allow a full outer join, or a left join? 为什么这是一个连接

DT_join <- DT_X[DT, allow.cartesian=TRUE]

indy<=indx 是一个标识符，只取你所说的“上面所有行”的总和。

DT_join[!is.na(Y), .(CumSumB=sum(Qty * (indy<=indx))), by=.(X,Y,Date)]

编辑（根据 aosmith 回答）：也可以使用 by=indx 代替 by=.(X,Y,Date)

结果：

    X Y Date CumSumB
 1: A B  1/1       0
 2: A A  1/1       2
 3: A E  1/1       2
 4: B A  1/1       1
 5: B B  1/1       4
 6: B C  1/1       4
 7: C D  1/1       2
 8: C E  1/1       2
 9: C A  1/1       2
10: A C  1/2       0
11: A D  1/2       0
12: A E  1/2       0
13: B A  1/2       0
14: B B  1/2       1
15: B C  1/2       1
16: C D  1/2       4
17: C E  1/2       4
18: C A  1/2       4

Answer 2

这是一个基于 dplyr 的答案，使用与 @Floo0 相同的逻辑。当您拥有更多组时，这往往会变慢。

首先，我将行号作为一列添加到原始数据集中。 CumSumB 的计算将使用这种方法对每个唯一行进行。

library(dplyr)

dat = dat %>% mutate(row = row_number())

然后我将数据集加入到自身中，将X 加入到Y 和Date。为了避免添加后缀的许多重复列，我只为连接的x 数据集选择了一些列（即left_join 的第一个数据集）。

我故意将变量row 保留在两个数据集中，因此我最终得到一个名为row.x 的变量，它指示每个X 值的原始行号和一个名为row.y 的变量，指示原始行每个Y 值的数量。

dat %>% 
    left_join(select(dat, X, Date, Y, row), ., by  = c("X" = "Y", "Date" = "Date"))

完成后，只需将数据集按row.x 分组，并以row.x 小于或等于row.y 为条件计算Qty 的总和。

dat %>% 
    left_join(select(dat, X, Date, Y, row), ., by  = c("X" = "Y", "Date" = "Date")) %>%
    group_by(row.x) %>%
    summarise(CumSumB = sum(Qty[row.y <= row.x]))

最后，这可以连接回原始数据集。结果仍然包含表示行号的列，如果需要，可以通过select(-row) 删除。

dat %>% 
    left_join(select(dat, X, Date, Y, row), ., by  = c("X" = "Y", "Date" = "Date")) %>%
    group_by(row.x) %>%
    summarise(CumSumB = sum(Qty[row.y <= row.x])) %>%
    left_join(dat, ., by = c("row" = "row.x"))

   X Y Date Qty CumSumA CumSumB.x row CumSumB.y
1  A B  1/1   1       1         0   1         0
2  A A  1/1   2       3         2   2         2
3  A E  1/1   2       5         2   3         2
4  B A  1/1   1       1         1   4         1
5  B B  1/1   3       4         4   5         4
6  B C  1/1   2       6         4   6         4
7  C D  1/1   2       2         2   7         2
8  C E  1/1   4       6         2   8         2
9  C A  1/1   1       7         2   9         2
10 A C  1/2   2       2         0  10         0
11 A D  1/2   3       5         0  11         0
12 A E  1/2   2       7         0  12         0
13 B A  1/2   5       5         0  13         0
14 B B  1/2   1       6         1  14         1
15 B C  1/2   2       8         1  15         1
16 C D  1/2   2       2         4  16         4
17 C E  1/2   1       1         4  17         4
18 C A  1/2   3       4         4  18         4