Function 对之前的 N 个观测值求和

Question

我想找到一种有效的方法来计算一个球队在前 N 场比赛中获得的分数（不包括当前比赛中的分数），每个模拟 ID、球队和赛季的组合。 如果一支球队到目前为止参加的比赛少于 N 场，则 function 应该返回 NA。

一个简化的数据集：

匹配ID	季节	模拟_ID	主队	团队	匹配结果	team_points
1	2015-2016	1	真的	曼联	主场获胜	3
1	2015-2016	2	真的	曼联	画	1
1	2015-2016	3	真的	曼联	主场获胜	3
1	2015-2016	1	错误的	托特纳姆热刺	主场获胜	0
1	2015-2016	2	错误的	托特纳姆热刺	主场获胜	0
1	2015-2016	3	错误的	托特纳姆热刺	客场胜利	3
2	2015-2016	1	真的	莱斯特	主场获胜	3
2	2015-2016	2	真的	莱斯特	主场获胜	3
2	2015-2016	3	真的	莱斯特	客场胜利	0
2	2015-2016	1	错误的	桑德兰	画	1

预期的 output 是数据中的一个额外列，称为“accumulated_team_points”，它返回该球队、赛季和模拟 ID 在最后 N 场比赛中的得分。

我似乎无法找到一种方法来做到这一点。

Answer 1

您在这里需要两个操作：分组（我将使用dplyr进行演示）和滚动窗口求和（我将使用zoo ）。

此外，您的数据有点太稀疏，无法将所有三个team, season, simulation_ID ID 分组，所以这次我将只显示按team分组。 对于更大的数据，将group_by(team)替换为group_by(team, season, simulation_ID) 。

library(dplyr)
k <- 3 # window size
dat %>%
  group_by(team) %>%
  mutate(accumulated_team_points = zoo::rollapply(team_points, k, FUN = sum, align = "right", fill = NA)) %>%
  ungroup()
# # A tibble: 10 x 8
#    match_ID season    simulation_ID home_team team           match_result team_points accumulated_team_points
#       <int> <chr>             <int> <lgl>     <chr>          <chr>              <int>                   <int>
#  1        1 2015-2016             1 TRUE      Manchester Utd Home win               3                      NA
#  2        1 2015-2016             2 TRUE      Manchester Utd Draw                   1                      NA
#  3        1 2015-2016             3 TRUE      Manchester Utd Home win               3                       7
#  4        1 2015-2016             1 FALSE     Tottenham      Home win               0                      NA
#  5        1 2015-2016             2 FALSE     Tottenham      Home win               0                      NA
#  6        1 2015-2016             3 FALSE     Tottenham      Away win               3                       3
#  7        2 2015-2016             1 TRUE      Leicester      Home win               3                      NA
#  8        2 2015-2016             2 TRUE      Leicester      Home win               3                      NA
#  9        2 2015-2016             3 TRUE      Leicester      Away win               0                       6
# 10        2 2015-2016             1 FALSE     Sunderland     Draw                   1                      NA     

对于 window 中的前k-1实例，默认值为NA ，这通常是一个合理且可辩护的默认值。 但是，如果您想对部分和进行求和，则将fill=NA替换为partial=TRUE ：

dat %>%
  group_by(team) %>%
  mutate(accumulated_team_points = zoo::rollapply(team_points, k, FUN = sum, align = "right", partial = TRUE)) %>%
  ungroup()
# # A tibble: 10 x 8
#    match_ID season    simulation_ID home_team team           match_result team_points accumulated_team_points
#       <int> <chr>             <int> <lgl>     <chr>          <chr>              <int>                   <int>
#  1        1 2015-2016             1 TRUE      Manchester Utd Home win               3                       3
#  2        1 2015-2016             2 TRUE      Manchester Utd Draw                   1                       4
#  3        1 2015-2016             3 TRUE      Manchester Utd Home win               3                       7
#  4        1 2015-2016             1 FALSE     Tottenham      Home win               0                       0
#  5        1 2015-2016             2 FALSE     Tottenham      Home win               0                       0
#  6        1 2015-2016             3 FALSE     Tottenham      Away win               3                       3
#  7        2 2015-2016             1 TRUE      Leicester      Home win               3                       3
#  8        2 2015-2016             2 TRUE      Leicester      Home win               3                       6
#  9        2 2015-2016             3 TRUE      Leicester      Away win               0                       6
# 10        2 2015-2016             1 FALSE     Sunderland     Draw                   1                       1

仅供参考：我假设数据是预先订购的。

---

数据

dat <- structure(list(match_ID = c(1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L), season = c("2015-2016", "2015-2016", "2015-2016", "2015-2016", "2015-2016", "2015-2016", "2015-2016", "2015-2016", "2015-2016", "2015-2016"), simulation_ID = c(1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L), home_team = c(TRUE, TRUE, TRUE, FALSE, FALSE, FALSE, TRUE, TRUE, TRUE, FALSE), team = c("Manchester Utd", "Manchester Utd", "Manchester Utd", "Tottenham", "Tottenham", "Tottenham", "Leicester", "Leicester", "Leicester", "Sunderland"), match_result = c("Home win", "Draw", "Home win", "Home win", "Home win", "Away win", "Home win", "Home win", "Away win", "Draw"), team_points = c(3L, 1L, 3L, 0L, 0L, 3L, 3L, 3L, 0L, 1L)), class = "data.frame", row.names = c(NA, -10L))