r语言 - 简单求和表达式

Question

这些是我的样本数据:

dt <- data.table(id=c("a","a","a","a","b","b"), monthsinarrears=c(0,1,0,0,1,0), date=c(2013,2014,2015,2016,2014,2015))

表是这样的:

> dt
   id monthsinarrears date
1:  a               0 2013
2:  a               1 2014
3:  a               0 2015
4:  a               0 2016
5:  b               1 2014
6:  b               0 2015

现在我想创建一个名为"everin欠款"的额外列，如果id曾经拖欠(历史上)，将被分配为"1"，如果没有，则分配为"0"。因此，我想获得的输出是:

   id monthsinarrears date EverinArrears
1:  a               0 2013             0
2:  a               1 2014             1
3:  a               0 2015             1
4:  a               0 2016             1
5:  b               1 2014             1
6:  b               0 2015             1

请注意，贷款id a在2013年历史上没有拖欠(这发生在2014年)，所以这就是为什么everin欠款在2013年也得到0。

Answer 1

您可以做以下操作(感谢@Roland为避免数字> 1的提示):

dt[, EverinArrears := as.integer(as.logical(cumsum(monthsinarrears))), by=id]

输出:

#   id monthsinarrears date EA
#1:  a               0 2013  0
#2:  a               1 2014  1
#3:  a               0 2015  1
#4:  a               0 2016  1
#5:  b               1 2014  1
#6:  b               0 2015  1

注意:如果您喜欢更短的代码，您也可以使用

dt[, EverinArrears := +(!!(cumsum(monthsinarrears))), by=id]

虽然不像as.integer(as.logical(...))那样"好做法"

正如@Jaap所提到的，您还可以这样做:

dt[, EverinArrears := +(cumsum(monthsinarrears) > 0), by = id]

或者，为了更好的实践:

dt[, EverinArrears := as.integer(cumsum(monthsinarrears) > 0), by = id]

正如@Arun在评论中建议的，另一种更简单的方法:

dt[, EverinArrears := cummax(monthsinarrears), by = id]

Answer 2

其他人的回答略有不同:

dt[, newcol := cummax(monthsinarrears > 0), by=id]

用cummax代替cumsum，可以节省一些计算量。

---

这里有一种方法来比较第一个拖欠月数为正的条目的位置:

dt[, newcol := {
  z = which(monthsinarrears > 0)
  if (!length(z)) rep(0L,.N)
  else            replace(rep(1L,.N), 1:.N < z[1], 0L)
}, by=id]

不确定这样是否更有效;在某种程度上，这当然取决于数据。

Answer 3

您可以使用ave:

dt$EverinArrears = as.integer(!!ave(dt$monthsinarrears, dt$id, FUN=cumsum))

或者使用data.table:

dt[, EverinArrears := +(!!cumsum(monthsinarrears)), id][]

Answer 4

Using package dplyr:

library(dplyr)
dt %>% 
  group_by(id) %>% 
  arrange(date) %>% 
  mutate(EverinArrears = +as.logical(cumsum(monthsinarrears))) %>% 
  data.table
   id monthsinarrears date EverinArrears
1:  a               0 2013             0
2:  a               1 2014             1
3:  a               0 2015             1
4:  a               0 2016             1
5:  b               1 2014             1
6:  b               0 2015             1