r-数据帧的滚动取消静止计算

Question

我是R的新手，正在尝试在滚动的基础上计算3个月的拖欠。

我的数据帧由(CID、获取日期和取消(组成

我正试图创建一个新的数据Trame，并添加第4列(Roll_deliquicy((过去3个月的取消活动计数(。一旦我们有了新的客户id，我们就从该客户的第一笔交易开始。Roll_Deliciency是过去3个月的取消活动的总数仅。

预期结果如下

CID AQ_DATE   Delinquient Roll_Deliquiency
103   2007/03/18    1       0
103   2007/04/03    0       1
103   2007/04/17    0       1
103   2007/05/03    0       1
103   2007/05/17    1       1
103   2007/06/02    1       2
103   2007/06/16    1       3
103   2007/07/02    1       3
103   2008/01/03    1       0
103   2008/01/17    1       1
103   2008/02/02    0       2
103   2008/02/16    1       2
105   2007/01/01    1       0
105   2007/01/11    1       1 
105   2007/02/10    1       2
105   2007/02/14    0       3
105   2007/02/17    1       3    
105   2007/02/17    1       4
105   2007/02/17    1       5
105   2007/04/02    0       5  
105   2007/04/10    1       5  

有人能帮我查R码吗？我试过使用滚动应用程序，但无法根据需要定制。

Answer 1

这可能不是你想要的，但这是我目前对这个问题的理解所能做的最好的事情。对于数据文件中的每个人和每个日期，我回到90天的时间，并总结了拖欠的次数。我的结果存储在向量my.count中。我的结果与Roll_Deliquiency不匹配。然而，也许这会让你开始。如果您提供有关如何计算Roll_Deliquiency的其他信息，我可能可以修改下面的代码。我可能也会尽快清理代码。它目前包含了一些我最终没有用来获得答案的变量。

df.1 <- read.table(text='
CID AQ_DATE   Delinquient Roll_Deliquiency
103   2007/03/18    1       0
103   2007/04/03    0       1
103   2007/04/17    0       1
103   2007/05/03    0       1
103   2007/05/17    1       1
103   2007/06/02    1       2
103   2007/06/16    1       3
103   2007/07/02    1       3
103   2008/01/03    1       0
103   2008/01/17    1       1
103   2008/02/02    0       2
103   2008/02/16    1       2
105   2007/01/01    1       0
105   2007/01/11    1       1
105   2007/02/10    1       2
105   2007/02/14    0       3
105   2007/02/17    1       3
105   2007/02/17    1       4
105   2007/02/17    1       5
105   2007/04/02    0       5
105   2007/04/10    1       5', header=T, colClasses=c('character', 'character', 'integer', 'integer'))
df.1$AQ_DATE2 <- as.Date(df.1$AQ_DATE, "%Y/%m/%d")
df.1$running.count = sequence(rle(df.1$CID)$lengths)
df.1
max.value <- data.frame(id.max = with(df.1, tapply(running.count, CID, function(x) x[length(x)])))
max.value
max.value$CID <- row.names(max.value)
max.value
all.data  <- merge(max.value, df.1, by=c('CID'), all = TRUE)
all.data
my.count <- rep(0, nrow(all.data))
m <- 1
for(i in length(unique(all.data$CID)):1) {
  all.data.i <- subset(all.data, all.data$CID == max.value$CID[i])
    print(all.data.i)
     for(j in nrow(all.data.i):1) {
        for(k in j:1) {
           if(((j-k) >  1) &
             (as.numeric(all.data.i$AQ_DATE2[j] - all.data.i$AQ_DATE2[k+1]) <= 90)  &    
             (as.numeric(all.data.i$AQ_DATE2[j] - all.data.i$AQ_DATE2[k  ]) >  90)) my.count[m] = sum(all.data.i$Delinquient[(k+1):j]) 
           if(((j-k) == 1) &
              as.numeric(all.data.i$AQ_DATE2[j] - all.data.i$AQ_DATE2[k])   >  90)  my.count[m] = all.data.i$Delinquient[j]
           if((k == 1) &
              as.numeric(all.data.i$AQ_DATE2[j] - all.data.i$AQ_DATE2[1])   <= 90)  my.count[m] = sum(all.data.i$Delinquient[1:j])
         } 
     m = m + 1
     }     
}
my.count
 [1] 6 5 6 5 4 3 3 2 1 3 2 2 1 4 4 3 2 1 1 1 1