用于 R 中两个数据集之间计算的 for 循环的矢量化

Question

我有一个数据集A，其中包含地点，开始日期和完成日期。另一方面，我有一个数据集B，也有一个地点，日期和汽车数量。

library(data.table)
A <- data.table(Place = c(rep(c("Place_1","Place_2"), each = 20)),
Start_date = as.Date("2010-01-15"),
Finish_date = as.Date(rep(c("2011-03-01","2012-04-30","2012-01-20","2011-04-05"), each = 10)))

set.seed(1001)
B <- data.table(Date = rep(seq.Date(from = as.Date("2010-01-01"), to = as.Date("2013-01-01"), by="day"), 2),
Place = rep(c("Place_1","Place_2"),each = 1097),
Cars = round(runif(2194, 0, 10), 0))    

我需要在数据集 A 中计算一个新列(汽车总数(，即数据集 B 中的汽车总和;这个汽车总和必须针对特定地点和特定时间段。

这很容易通过 for 循环语句来实现。

for (i in 1:nrow(A)) {
A$Tcars[i] <- sum(B[Place == A$Place[i] & Date > A$Start_date[i] & Date < A$Finish_date[i]]$Cars)
}

但是我的真实数据集有 30.000 行，循环选项效率低下且耗时。因此，我正在寻找一种矢量化的方法。我已经尝试了下一个代码，但它不起作用：

A$Tcars<-sum(B[Place == A$Place & Date > A$Start_date & Date < A$Finish_date]$Cars)

Answer 1

您可以使用非等值联接来更新表：

library(data.table)
A[, n := B[.SD, on=.(Place, Date > Start_date, Date < Finish_date), 
sum(Cars), by=.EACHI]$V1]

如果你看一下?data.table和你第一次输入library(data.table)时列出的其他介绍性材料，你会得到一些关于:=、on=、by=等的直觉。