SUMIF 与 R 中的日期条件

Question

我有下表

**A**  | **B**  | **C** |**D** | **E**|
:----: | :----: | :----:|:----:|:----:|
1/1/17 | 3/1/17 |4/1/17 | H    |0.4   |
1/1/17 | 3/1/17 |4/1/17 | H    |0.2   |
2/1/17 | 4/1/17 |5/1/17 | V    |0.6   |
3/1/17 | 5/1/17 |6/1/17 | V    |0.8   |
4/1/17 | 5/1/17 |7/1/17 | H    |0.6   |
4/1/17 | 6/1/17 |7/1/17 | H    |0.2   |

---

这个想法是在soptfire中使用Spotfire，如果不是，然后是R。不幸的是，没有基本代码，因为我不确定如何将唯一日期中的单行数据与 A、B 和 C 中的一整列日期进行比较，并且总和值形成另一列 E。确实有我可以从中提取唯一日期值的初始部分。不要认为它有用，但将其包含在此处。

library(reshape2) 
mydata<-melt(dates,id=c("D")) 
mydata$value<-ymd(mydata$value)

Looking for the result as in the table below using R code
 1. Column with Unique list of dates from columns A,B & C above
 2. Sum of Column E where Column A dates <= Unique Dates value for each 
    columns A,B&C from the above table.
 3. Only Sum filtered by column D value of 'H' only

或 有没有办法在 Spotfire 中以唯一日期作为 X 轴并在 Y 轴上获得总和，而无需使用 Spotfire 中的 R 创建单独的表格，如下所示。

结果

**Unique Dates**  | **Sum for A** |  **Sum for B** | ** Sum for C**|
    :----:        |     :----:    |     :----:     |     :----:    |
    1/1/17        |      0.6      |       0        |       0       |
    2/1/17        |      0.6      |       0        |       0       |
    3/1/17        |      0.6      |      0.6       |       0       |
    4/1/17        |      1.4      |      0.6       |       0.6     |
    5/1/17        |      1.4      |      1.2       |       0.6     |
    6/1/17        |      1.4      |      1.4       |       0.6     |
    7/1/17        |      1.4      |      1.4       |       1.4     |

示例： 对于 A 列中 2017 年 3 月 1 日的唯一日期，它是 0.4+0.2=0.6 即仅对应于 A 中 2017 年 1 月 1 日的值，因为 2017 年 2 月 1 日在 D 列中有“V”。同样，对于 2017 年 2 月 1 日，它仍然是 0.6，因为正在添加 H 的唯一值。

Answer 1

假设注释中的数据最后试试这个。没有使用任何包。

nms <- names(DF)[1:3]
fo <- E ~ A + time

DFH <- subset(DF, D == "H")
r <- reshape(DFH, varying = list(nms), times = nms, dir = "long")
xtabs(fo, aggregate(fo, r, sum))

给出以下内容 - 请注意，问题中的输出似乎与问题中的输入不对应，因此以下内容必然不同：

A          A   B   C
  1/1/17 0.6 0.0 0.0
  2/1/17 0.0 0.0 0.0
  3/1/17 0.0 0.6 0.0
  4/1/17 0.8 0.0 0.6
  5/1/17 0.0 0.6 0.0
  6/1/17 0.0 0.2 0.0
  7/1/17 0.0 0.0 0.8

这也可以表示为一个 magrittr 管道，其中 nms 和 fo 如上所述：

library(magrittr)

DF %>%
   subset(D == "H") %>%
   reshape(varying = list(nms), times = nms, dir = "long") %>%
   { aggregate(fo, ., sum) } %>%
   xtabs(formula = fo)

注意：输入数据：

Lines <- "
A      | B      |   C   |D     | E
:----: | :----: | :----:|:----:|:----:
1/1/17 | 3/1/17 |4/1/17 | H    |0.4   
1/1/17 | 3/1/17 |4/1/17 | H    |0.2   
2/1/17 | 4/1/17 |5/1/17 | V    |0.6   
3/1/17 | 5/1/17 |6/1/17 | V    |0.8   
4/1/17 | 5/1/17 |7/1/17 | H    |0.6   
4/1/17 | 6/1/17 |7/1/17 | H    |0.2   "
DF <- read.table(text = Lines, header = TRUE, check.names = FALSE,
   comment.char = ":", sep = "|", strip.white = TRUE)

Answer 2

我不明白你的帖子是如何得到结果的，但这应该可以通过Spotfire中的转换来完成

1. File > Add Date Tables > Add (drop down on right) > From Current Analysis: "Name of Your Original Data Table"
2. Transformations > Unpivot > Add
3. Columns to pass through: D, E
4. Columns to transform: A, B, and C
5. 点击OK

然后，您只需要添加一个交叉表...这是您设置轴的方法

1. 水平：[Category]
2. 垂直：[Value]
3. 单元格值：Sum([E])

这会给你这些结果：