R -以缺失数据为条件的滚动累积和

Question

我想计算data.table中每个项目的滚动累积和。有时，在给定的时间段内数据丢失。

set.seed(8)
item <- c(rep("A",4), rep("B",3))
time <- c(1,2,3,4,1,3,4)
sales <- rpois(7,5)
DT <-  data.table(item, time,sales)

对于两个时间段的滚动窗口，我想要以下输出:

   item time sales sales_rolling2
1:    A    1     5              5
2:    A    2     3              8
3:    A    3     7             10
4:    A    4     6             13
5:    B    1     4              4
6:    B    3     6              6
7:    B    4     4             10

注意，项目B在时刻2没有数据。因此，第6行的结果只包含最新的观测值。

Answer 1

我们可以用library(zoo)中的rollsum来做滚动和。在应用rollsum之前，我想我们需要基于"时间"变量创建另一个分组变量("索引")。我发现对于B项，时间是不连续的。2不见了。因此，我们可以使用diff根据相邻元素的差异创建一个逻辑索引。如果差值不为1，则返回TRUE或FALSE。由于length 1的diff输出小于列的length，我们可以填充TRUE，然后执行cumsum来创建'indx'变量。

library(zoo)
DT[, indx:=cumsum(c(TRUE, diff(time)!=1))]

在第二步中，我们使用'indx'和'time'作为分组变量，使用k=2获得'sales'的rollsum，并且还基于这样的条件，即如果组中的元素数量大于1，我们只需要这样做(if(.N >1))，否则它应该返回'sales'，创建'sales_rolling2'，并将'indx'分配(:=)为NULL，因为在预期输出中不需要它。

DT[, sales_rolling2 := if(.N>1) c(sales[1],rollsum(sales,2)) else sales,
               by = .(indx, item)][,indx:= NULL]
#   item time sales sales_rolling2
#1:    A    1     5              5
#2:    A    2     3              8
#3:    A    3     7             10
#4:    A    4     6             13
#5:    B    1     4              4
#6:    B    3     6              6
#7:    B    4     4             10

更新

根据@Khashaa的建议，我们可以使用roll_sum从library(RcppRoll)可以更有效地使用，因为它甚至可以在行数小于"k"的情况下工作。这样，我们就可以在我之前的解决方案中删除if/else条件。(全部归功于@Khashaa)

library(RcppRoll)
DT[, sales_rolling2 := c(sales[1L], roll_sum(sales, 2)), by = .(indx, item)]