使用一个数据帧对来自 R 中另一个数据帧的一系列数据求和答案

【问题标题】：Using one data frame to sum a range of data from another data frame in R使用一个数据帧对来自 R 中另一个数据帧的一系列数据求和
【发布时间】：2013-03-25 21:03:11
【问题描述】：

我正在从 SAS 迁移到 R。我需要帮助来弄清楚如何汇总日期范围内的天气数据。在 SAS 中，我采用日期范围，使用数据步骤为范围内的每个日期（startdate、enddate、date）创建记录，与天气合并然后汇总（VAR hdd cdd; CLASS =startdate enddate sum=) 对日期范围的值求和。

R 代码：

startdate <- c(100,103,107)
enddate <- c(105,104,110)
billperiods <-data.frame(startdate,enddate);

得到：

> billperiods
startdate enddate
1       100     105
2       103     104
3       107     110

R 代码：

weatherdate <- c(100:103,105:110)
hdd <- c(0,0,4,5,0,0,3,1,9,0)
cdd <- c(4,1,0,0,5,6,0,0,0,10)
weather <- data.frame(weatherdate,hdd,cdd)

得到：

> weather
   weatherdate hdd cdd
1          100   0   4
2          101   0   1
3          102   4   0
4          103   5   0
5          105   0   5
6          106   0   6
7          107   3   0
8          108   1   0
9          109   9   0
10         110   0  10

注意：weatherdate = 104 丢失。我可能一天都没有天气。

我不知道怎么去：

> billweather
  startdate enddate sumhdd sumcdd
1       100     105      9     10
2       103     104      5      0
3       107     110     13     10

其中sumhdd 是hdd 在天气data.frame 中从startdate 到enddate 的总和。

有什么想法吗？

【问题讨论】：

标签： r dataframe

【解决方案1】：

这是使用IRanges 和data.table 的方法。看起来，对于这个问题，这个答案似乎有点矫枉过正。但总的来说，我发现使用IRanges 处理区间很方便，它们可能多么简单。

# load packages
require(IRanges)
require(data.table)

# convert data.frames to data.tables
dt1 <- data.table(billperiods)
dt2 <- data.table(weather)

# construct Ranges to get overlaps
ir1 <- IRanges(dt1$startdate, dt1$enddate)
ir2 <- IRanges(dt2$weatherdate, width=1) # start = end

# find Overlaps
olaps <- findOverlaps(ir1, ir2)

# Hits of length 10
# queryLength: 3
# subjectLength: 10
#    queryHits subjectHits 
#     <integer>   <integer> 
#  1          1           1 
#  2          1           2 
#  3          1           3 
#  4          1           4 
#  5          1           5 
#  6          2           4 
#  7          3           7 
#  8          3           8 
#  9          3           9 
#  10         3          10 

# get billweather (final output)
billweather <- cbind(dt1[queryHits(olaps)], 
                dt2[subjectHits(olaps), 
                list(hdd, cdd)])[, list(sumhdd = sum(hdd), 
                sumcdd = sum(cdd)), 
                by=list(startdate, enddate)]

#    startdate enddate sumhdd sumcdd
# 1:       100     105      9     10
# 2:       103     104      5      0
# 3:       107     110     13     10

最后一行的代码分解： 首先我使用queryHits、subjectHits 和cbind 构造一个中间的data.table，然后我按startdate, enddate 分组并得到hdd 和 cdd 的总和。如下图所示，单独查看该行更容易理解。

# split for easier understanding
billweather <- cbind(dt1[queryHits(olaps)], 
            dt2[subjectHits(olaps), 
            list(hdd, cdd)])
billweather <- billweather[, list(sumhdd = sum(hdd), 
            sumcdd = sum(cdd)), 
            by=list(startdate, enddate)]

【讨论】：

【解决方案2】：

 cbind(billperiods, t(sapply(apply(billperiods, 1, function(x) 
     weather[weather$weatherdate >= x[1] & 
             weather$weatherdate <= x[2], c("hdd", "cdd")]), colSums)))

  startdate enddate hdd cdd
1       100     105   9  10
2       103     104   5   0
3       107     110  13  10

【讨论】：

感谢您的快速回复！我对更大的数据框（12,356 行）进行了尝试，耗时 6.75 秒，结果很好！

【解决方案3】：

billweather <- cbind(billperiods, 
                 t(apply(billperiods, 1, function(x) { 
                   colSums(weather[weather[, 1] %in% c(x[1]:x[2]), 2:3])
               })))

【讨论】：

感谢您的快速回复！我对更大的数据框（12,356 行）进行了尝试，耗时 7.89 秒，结果很好！我很惊讶人们的反应如此之快。这是我第一次在这里提问。