将函数应用于 data.table 中的复杂子集

Question

我是 data.table 的新手，我想在进入真正的大数据集领域时变得更好。

我正在尝试计算变量 x 的年均值，但是从 Jun（y 年 -1）到 Jun（y 年）。这很容易使用 plyr:

set.seed(9)

dat = data.frame(
  year = rep(2000:2010, each = 12),
  month = 1:12,
  x = runif(12*length(2000:2010))
)

library(plyr)

ldply(unique(dat$year), function(i) 

  if(i == unique(dat$year)[1]) NULL else # in the event going too far back

    data.frame(
      year = i,
      mean.x = mean(c(dat[dat$year == (i - 1) & dat$month == 7:12, "x"], dat[dat$year == i & dat$month == 1:6, "x"]))
    )

)

但我正在努力将语法转换为 data.table。我更愿意在不创建中间变量的情况下将所有内容向前移动 6 个月，因为我想在其原始的 1 月至 12 月框架中总结一些变量。

感谢任何帮助！干杯

Answer 1

Dplyr 提供了一个简单的解决方案。本质上，创建一个相对年份的虚拟变量——你要分组的年份——然后分组、总结，并使你的年份列再次具有正确的名称。

library(dplyr)


summaryDat <- dat %>%

  #assign relative year for calculation
  mutate(relYear = ifelse(month>6, year+1, year)) %>%

  #now group on relative year
  group_by(relYear) %>%

  #get your mean
  summarize(mean_x = mean(x)) %>%

  #now ungroup
  ungroup() %>%

  #format year nicely
  rename(year = relYear)

Answer 2

使用data.table，我们shift将'year'乘以6，将其用作分组变量，并得到'x'[=14的mean =]

setDT(dat)[, .(Mean = mean(x)) ,.(year = shift(year, 6)+1)][-c(1L,.N)]
#  year      Mean
# 1: 2001 0.5086499
# 2: 2002 0.5197482
# 3: 2003 0.6547623
# 4: 2004 0.5869022
# 5: 2005 0.4502414
# 6: 2006 0.5000369
# 7: 2007 0.4514377
# 8: 2008 0.4566757
# 9: 2009 0.3844152
#10: 2010 0.5635942

将函数应用于 data.table 中的复杂子集

Apply function to complex subset in data.table

r

plyr

data.table