根据时间变量计算每个观察的不同列的总和

Calculating the sum of different columns for every observation based on a time variable

假设以下时间序列数据集:

DF <- data.frame(T0=c(2012, 2016, 2014),
             T1=c(2017, NA, 2019),
             Duration= c(5,3,5),
             val12 =c(15,43,7),
             val13 =c(16,44,8),
             val14 =c(17,45,9),
             val15 =c(18,46,10),
             val16 =c(19,47,11),
             val17 =c(20,48,12),
             val18 =c(21,49,13),
             val19 =c(22,50,14),
             SumVal =c(105,194,69))

print(DF)

    T0   T1 Duration val12 val13 val14 val15 val16 val17 val18 val19 SumVal
1 2012 2017        5    15    16    17    18    19    20    21    22    105
2 2016   NA        3    43    44    45    46    47    48    49    50    194
3 2014 2019        5     7     8     9    10    11    12    13    14     69

为了构建持续时间模型,我想根据持续时间将 "valXX" 变量聚合到一个 SumVal 变量中,就像上面的 table 一样。第一个 SumVal (105) 对应于 val12+...+val17,因为这是第一次观察的给定时间间隔 (2012-2017)。

T1 中的 NA 表示感兴趣的事件尚未发生,观察结果已删失。在这种情况下,持续时间和 SumVal 将基于间隔 T0:2019。

我很难在 R 中实现一个可以在非常大的数据帧上执行此任务的函数。

如有任何帮助,我们将不胜感激!

这是一个 tidyverse 方法。

library(tidyverse)
DF %>%
  # Track orig rows, and fill in NA T1's
  mutate(row = row_number(), 
         T1 = if_else(is.na(T1), T0 + Duration, T1)) %>%
  # Gather into long form
  gather(col, value, val12:val19) %>%
  # convert column names into years
  mutate(year = col %>% str_remove("val") %>% as.numeric + 2000) %>%
  # Only keep the rows within each duration
  filter(year >= T0 & year <= T1) %>%
  # Count total value by row, equiv to 
  # group_by(row) %>% summarize(SumVal2 = sum(value))
  count(row, wt = value, name = "SumVal2")

# A tibble: 3 x 2
    row SumVal2
  <int>   <dbl>
1     1     105
2     2     194
3     3      69