时间序列：为子集编写代码的最有效方法是什么？答案

【问题标题】：Time series: What's the most efficient way to write code for subsets?时间序列：为子集编写代码的最有效方法是什么？
【发布时间】：2017-09-01 11:23:25
【问题描述】：

我有两个数据框

df1

time x   y   state
...  ... ... CA
...  ... ... MA
...  ... ... TX
...  ... ... MA
...  ... ... CA
...  ... ... IL

df2

time x   y   state
...  ... ... MA
...  ... ... NY
...  ... ... MA
...  ... ... TX
...  ... ... CA
...  ... ... CA

然后我有一些代码，我在其中汇总每月值、重命名列、将数据与另一个列表匹配，然后将 df1 和 df2 合并为大约 50 行代码中的一个。在这里，我目前不考虑state。

但是，我需要为美国的几个州创建合并数据框的子集。除了复制/粘贴用于 df1 和 df2 的代码并将 df1 和 df2 替换为 df1_CA、df2_MA 等之外，还有更优雅的方法吗？

循环？面板数据？

【问题讨论】：

有一个look at split`，然后是lapply函数（或循环）。 split(df1,df1$state)
在dplyr 中使用group_by 可能适合这里
如果您能提供一个可重现的小例子，那就太好了。很抱歉，我无法提供我的原始代码。
@Fanny，实际上，你的工作是提供一个小的可重现示例。

标签： r dataframe subset

【解决方案1】：

一种选择是使用 data.table 包进行分组分析。

# transform your data.frame to data.table
dt1 <- as.data.table(df1)
dt2 <- as.data.table(df2)

# e.g. grouping values on state level
dt1[, sum(y), by=state]
# this will accumulate all y values by state

如果您不想替换代码中的 df 名称，您可以定义一个函数：

# define the function
accumulate <- function(df){
  dt <- as.data.table(df)
  return(dt[, sum(y), by=state])
}

# and call it 
accumulate(df1)
accumulate(df2)

您可以在所有 data.frames 上使用一个可有效迭代数据结构的应用函数之一，而不是使用 for 循环或类似函数，例如列表

# alternatively define a list of data.frames and then iterate over the list
my.dfs <- list(df1,df2)
lapply(my.dfs, accumulate(df))

【讨论】：