一种在数周内筛选数据框内容的快速方法
A quick way to screen a data frame contents over multiple weeks
我有一个数据框，其内容每周都会更改部分内容。
想象一下，我拥有一个汽车陈列室，每周之后我可能会卖掉一些汽车并收购其他汽车进行销售。我的任务是计算出每周汽车的平均销售时间。尽管在我的示例中，每周数据帧的长度相同，但情况不一定如此，因为我买的车可能比卖的车多，反之亦然。
考虑这 4 个数据框：
serial_no <- c('A1','B2','C3','D4','E5','F6')
brand <- c('Mercedes','BMW','Audi','Jaguar','Nissan','Volkswagen')
model <- c('S-class','5-series','Q8','XF','GT-R','Eos')
df.week1 <- data.frame(serial_no,brand,model)
serial_no2 <- c('B2','C3','D4','E5','F6','G7')
brand2 <- c('BMW','Audi','Jaguar','Nissan','Volkswagen','Mercedes')
model2 <- c('5-series','Q8','XF','GT-R','Eos','E-class')
df.week2 <- data.frame(serial_no2,brand2,model2)
serial_no3 <- c('B2','D4','E5','F6','G7','H8')
brand3 <- c('BMW','Jaguar','Nissan','Volkswagen','Mercedes','BMW')
model3 <- c('5-series','XF','GT-R','Eos','E-class','5-series')
df.week3 <- data.frame(serial_no3,brand3,model3)
serial_no4 <- c('D4','F6','G7','I9','J10','K11')
brand4 <- c('Jaguar','Volkswagen','Mercedes','BMW','Toyota','Lexus')
model4 <- c('XF','Eos','E-class','7-series','Corolla','RC')
df.week4 <- data.frame(serial_no4,brand4,model4)
#to tidy up
library(plyr)
df.week2 <- rename(df.week2,c('serial_no2' = 'serial_no','brand2'='brand','model2'='model'))
df.week3 <- rename(df.week3,c('serial_no3' = 'serial_no','brand3'='brand','model3'='model'))
df.week4 <- rename(df.week4,c('serial_no4' = 'serial_no','brand4'='brand','model4'='model'))
现在我可以很简单地告诉我上周卖出了哪些车，例如：
library(dplyr)
in3not4 <- anti_join(df.week3,df.week4,by='serial_no')
但是，我的任务的第二部分是首先找到他们何时进入陈列室。显然，可以通过使用多种 anti_join 技术来实现这一目标，但是要分析很多周和数千行，这很快就会成为一项令人难以置信的任务。
那么我的问题是，是否有更简单的方法来执行此任务？我需要找出答案：
A) 售出的汽车首次出现在展厅时
B) 给定一周内售出的所有汽车的平均销售时间是多少（注意我的 df 'in3not4' 显示在第 3 周开始和第 4 周开始之间售出的所有汽车）
我不得不认为有一个简单的工具可以完成这项任务。感谢任何帮助。
我不确定我是否清楚地了解您希望输出的样子。但这是使用 data.table v1.9.5 的尝试 - 安装说明 here:
require(data.table) # v1.9.5+
m.dt = rbindlist(list(df.week1, df.week2, df.week3, df.week4), idcol = "week")
max_week = max(m.dt$week)
ans = m.dt[, .(week_in = week[1L],
week_out = ifelse(max_week == week[.N], NA_integer_, week[.N])),
by=.(serial_no, brand, model)]
# serial_no brand model week_in week_out
# 1: A1 Mercedes S-class 1 1
# 2: B2 BMW 5-series 1 3
# 3: C3 Audi Q8 1 2
# 4: D4 Jaguar XF 1 NA
# 5: E5 Nissan GT-R 1 3
# 6: F6 Volkswagen Eos 1 NA
# 7: G7 Mercedes E-class 2 NA
# 8: H8 BMW 5-series 3 3
# 9: I9 BMW 7-series 4 NA
# 10: J10 Toyota Corolla 4 NA
# 11: K11 Lexus RC 4 NA
思路应该很清楚（假设我已经正确理解了任务）。我会把剩下的留给你，以你想要的形式得到它..
我有一个数据框，其内容每周都会更改部分内容。
想象一下，我拥有一个汽车陈列室，每周之后我可能会卖掉一些汽车并收购其他汽车进行销售。我的任务是计算出每周汽车的平均销售时间。尽管在我的示例中，每周数据帧的长度相同，但情况不一定如此，因为我买的车可能比卖的车多，反之亦然。
考虑这 4 个数据框：
serial_no <- c('A1','B2','C3','D4','E5','F6')
brand <- c('Mercedes','BMW','Audi','Jaguar','Nissan','Volkswagen')
model <- c('S-class','5-series','Q8','XF','GT-R','Eos')
df.week1 <- data.frame(serial_no,brand,model)
serial_no2 <- c('B2','C3','D4','E5','F6','G7')
brand2 <- c('BMW','Audi','Jaguar','Nissan','Volkswagen','Mercedes')
model2 <- c('5-series','Q8','XF','GT-R','Eos','E-class')
df.week2 <- data.frame(serial_no2,brand2,model2)
serial_no3 <- c('B2','D4','E5','F6','G7','H8')
brand3 <- c('BMW','Jaguar','Nissan','Volkswagen','Mercedes','BMW')
model3 <- c('5-series','XF','GT-R','Eos','E-class','5-series')
df.week3 <- data.frame(serial_no3,brand3,model3)
serial_no4 <- c('D4','F6','G7','I9','J10','K11')
brand4 <- c('Jaguar','Volkswagen','Mercedes','BMW','Toyota','Lexus')
model4 <- c('XF','Eos','E-class','7-series','Corolla','RC')
df.week4 <- data.frame(serial_no4,brand4,model4)
#to tidy up
library(plyr)
df.week2 <- rename(df.week2,c('serial_no2' = 'serial_no','brand2'='brand','model2'='model'))
df.week3 <- rename(df.week3,c('serial_no3' = 'serial_no','brand3'='brand','model3'='model'))
df.week4 <- rename(df.week4,c('serial_no4' = 'serial_no','brand4'='brand','model4'='model'))
现在我可以很简单地告诉我上周卖出了哪些车，例如：
library(dplyr)
in3not4 <- anti_join(df.week3,df.week4,by='serial_no')
但是，我的任务的第二部分是首先找到他们何时进入陈列室。显然，可以通过使用多种 anti_join 技术来实现这一目标，但是要分析很多周和数千行，这很快就会成为一项令人难以置信的任务。
那么我的问题是，是否有更简单的方法来执行此任务？我需要找出答案：
A) 售出的汽车首次出现在展厅时
B) 给定一周内售出的所有汽车的平均销售时间是多少（注意我的 df 'in3not4' 显示在第 3 周开始和第 4 周开始之间售出的所有汽车）
我不得不认为有一个简单的工具可以完成这项任务。感谢任何帮助。
我不确定我是否清楚地了解您希望输出的样子。但这是使用 data.table v1.9.5 的尝试 - 安装说明 here:
require(data.table) # v1.9.5+
m.dt = rbindlist(list(df.week1, df.week2, df.week3, df.week4), idcol = "week")
max_week = max(m.dt$week)
ans = m.dt[, .(week_in = week[1L],
week_out = ifelse(max_week == week[.N], NA_integer_, week[.N])),
by=.(serial_no, brand, model)]
# serial_no brand model week_in week_out
# 1: A1 Mercedes S-class 1 1
# 2: B2 BMW 5-series 1 3
# 3: C3 Audi Q8 1 2
# 4: D4 Jaguar XF 1 NA
# 5: E5 Nissan GT-R 1 3
# 6: F6 Volkswagen Eos 1 NA
# 7: G7 Mercedes E-class 2 NA
# 8: H8 BMW 5-series 3 3
# 9: I9 BMW 7-series 4 NA
# 10: J10 Toyota Corolla 4 NA
# 11: K11 Lexus RC 4 NA
思路应该很清楚（假设我已经正确理解了任务）。我会把剩下的留给你，以你想要的形式得到它..