根据日期对数据表中的前行进行计数

Question

（很抱歉，如果这里的某些术语不适用，我来自SQL背景，而我只是进入R世界）

我有一个带有一系列按日期排序的条目的数据表。 数据表中的字段之一是分组值，一个是时间值。 在按组对数据进行排序（或键入键-我是R的新手，但仍然不确定该如何区分）之后，我想对每个行的日期进行计数，该组中的行中有多少行在当前行之前（包括在当前时间段内）。

这是我使用Loblolly数据集尝试做的简化示例：

准备示例数据：

library(lubridate)
library(zoo)
library(data.table)
DT = as.data.table(Loblolly)
DT[,rd := Sys.time() + years(age)]
setkey(DT,Seed,rd)

现在我们有了一个数据表，该数据表由Seed（该组）和rd（我的日期列）排序。 我有一个解决方案，它将以10年为间隔产生我的计数值（ct）：

DT[,.ct:=mapply(function(x,y) DT[(rd>x-years(10) & rd<=x &Seed==y),.N],DT$rd,DT$Seed)]

这将在此示例数据集中产生所需的结果：

    height age Seed                  rd  ct
 1:   3.93   3  329 2019-03-01 13:38:00   1
 2:   9.34   5  329 2021-03-01 13:38:00   2
 3:  26.08  10  329 2026-03-01 13:38:00   3
 4:  37.79  15  329 2031-03-01 13:38:00   2
 5:  48.31  20  329 2036-03-01 13:38:00   2
 6:  56.43  25  329 2041-03-01 13:38:00   2
 7:   4.12   3  327 2019-03-01 13:38:00   1
 8:   9.92   5  327 2021-03-01 13:38:00   2
 9:  26.54  10  327 2026-03-01 13:38:00   3
10:  37.82  15  327 2031-03-01 13:38:00   2
...
...

但是，我需要扩大规模以处理大约10,000个组中的500万条记录，并且在那里花费很长的时间。 是否有一种更快，更省力的方法来完成我要尝试的操作？

Answer 1

这是使用data.table::foverlaps的可能解决方案。 这里的想法是首先加入{Sys.time() - years(10), Sys.time() + years(age)}的整个范围。 然后，仅计算差异小于等于10年的实例。

DT <- as.data.table(Loblolly)
DT[, c("rd", "rd2") := Sys.time() + years(age)] # create identical columns so foverlaps will work
setkey(DT, Seed, rd, rd2) # key by all for same reason
DT2 <- DT[, .(Seed, rd = rd - years(10), rd2, indx = .I)] # create minum range, create index to store row number
DT[, ct := foverlaps(DT, DT2)[i.rd > rd, .N, by = indx]$N] # run foverlaps, subset by condition and count
head(DT, 10)
#     height age Seed                  rd                 rd2 ct
#  1:   3.93   3  329 2019-03-01 22:59:02 2019-03-01 22:59:02  1
#  2:   9.34   5  329 2021-03-01 22:59:02 2021-03-01 22:59:02  2
#  3:  26.08  10  329 2026-03-01 22:59:02 2026-03-01 22:59:02  3
#  4:  37.79  15  329 2031-03-01 22:59:02 2031-03-01 22:59:02  2
#  5:  48.31  20  329 2036-03-01 22:59:02 2036-03-01 22:59:02  2
#  6:  56.43  25  329 2041-03-01 22:59:02 2041-03-01 22:59:02  2
#  7:   4.12   3  327 2019-03-01 22:59:02 2019-03-01 22:59:02  1
#  8:   9.92   5  327 2021-03-01 22:59:02 2021-03-01 22:59:02  2
#  9:  26.54  10  327 2026-03-01 22:59:02 2026-03-01 22:59:02  3
# 10:  37.82  15  327 2031-03-01 22:59:02 2031-03-01 22:59:02  2

---

编辑17/3/2017：

使用data.table v1.10.4 +，您现在可以将非uqui联接与by = .EACHI结合使用。 基本上，您可以使用>=和<=进行联接，而不仅仅是精确联接，并且还可以在联接时运行计算（以避免像您的情况那样进行笛卡尔联接）并仅返回最终结果。 因此，在您的特定情况下，您可以

DT[, rd10 := rd - years(10)]
DT[, ct := DT[DT, .N, on = .(Seed, rd <= rd, rd > rd10), by = .EACHI]$N]