基于日期和其他条件的 R 中的累积总和使用 data.table

Question

我有一些足球数据（2020/2021 意甲联赛），我想计算每支球队在过去 n 天里的比赛数量（可以说是在过去 30 天内简化）。 因此，条件是球队，比赛当天（严格小于）和同一天 - 30（大于或等于）。

我想知道使用 data.table（单独）的最佳方法是什么，更重要的是，代码背后的逻辑。 我会遍历团队和日期，但我认为这很麻烦，而且我相信有一种方法可以在一行中完成。

下面给出了一个示例，结果是我所期望的（日期和日期可能会产生误导，因为有些比赛被推迟了，但这并不重要。数据按日期分类）。 非常感谢你。

代码	团队	日期	日	日期 - 30d	过去 30 天玩过的游戏
托拉塔	亚特兰大	2020-09-26	2	2020-08-27	不适用
拉扎塔	亚特兰大	2020-09-30	1	2020-08-31	1
ATACAG	亚特兰大	2020-10-04	3	2020-09-04	2
纳帕塔	亚特兰大	2020-10-17	4	2020-09-17	3
ATASAM	亚特兰大	2020-10-24	5	2020-09-24	4
克罗地亚	亚特兰大	2020-10-31	6	2020-10-01	3
ATAINT	亚特兰大	2020-11-08	7	2020-10-09	3

Answer 1

这是一个实现，只是data.table和 base R：

dat[, z := sapply(Date, function(z) sum(between(z - Date, 0.1, 30)))]
dat
#      Code     Team       Date   Day Date...30d Games.played.over.the.last.30.days     z
#    <char>   <char>     <Date> <int>     <Date>                              <int> <int>
# 1: TORATA Atalanta 2020-09-26     2 2020-08-27                                 NA     0
# 2: LAZATA Atalanta 2020-09-30     1 2020-08-31                                  1     1
# 3: ATACAG Atalanta 2020-10-04     3 2020-09-04                                  2     2
# 4: NAPATA Atalanta 2020-10-17     4 2020-09-17                                  3     3
# 5: ATASAM Atalanta 2020-10-24     5 2020-09-24                                  4     4
# 6: CROATA Atalanta 2020-10-31     6 2020-10-01                                  3     3
# 7: ATAINT Atalanta 2020-11-08     7 2020-10-09                                  3     3

在这种情况下，对于每个Date值，我们计算它的 30 天内有多少个日期。

如果您需要NA代替0 ，那么您可以添加dat[z < 1, z := NA]或类似的。

---

数据：

library(data.table)
dat <- structure(list(Code = c("TORATA", "LAZATA", "ATACAG", "NAPATA", "ATASAM", "CROATA", "ATAINT"), Team = c("Atalanta", "Atalanta", "Atalanta", "Atalanta", "Atalanta", "Atalanta", "Atalanta"), Date = structure(c(18531, 18535, 18539, 18552, 18559, 18566, 18574), class = "Date"), Day = c(2L, 1L, 3L, 4L, 5L, 6L, 7L), Date...30d = structure(c(18501, 18505, 18509, 18522, 18529, 18536, 18544), class = "Date"), Games.played.over.the.last.30.days = c(NA, 1L, 2L, 3L, 4L, 3L, 3L)), class = c("data.table", "data.frame"), row.names = c(NA, -7L))
setDT(dat)

Answer 2

您可以将runner与data.table结合使用来计算运行Date窗口计数：

library(data.table)
library(runner)

setDT(data)

data[,Date:=as.Date(Date,'%Y-%m-%d')]

data[,N:=runner::runner(
                        x = Date, 
                        k = 30, # 30-days window
                        lag = 1,
                        idx = Date,
                        f = length)
    ,by=Team][]

     Code     Team       Date Day    Date30d Games30days N
1: TORATA Atalanta 2020-09-26   2 2020-08-27          NA 0
2: LAZATA Atalanta 2020-09-30   1 2020-08-31           1 1
3: ATACAG Atalanta 2020-10-04   3 2020-09-04           2 2
4: NAPATA Atalanta 2020-10-17   4 2020-09-17           3 3
5: ATASAM Atalanta 2020-10-24   5 2020-09-24           4 4
6: CROATA Atalanta 2020-10-31   6 2020-10-01           3 3
7: ATAINT Atalanta 2020-11-08   7 2020-10-09           3 3

数据：

data <- read.table(text='
Code    Team    Date    Day     Date30d     Games30days
TORATA  Atalanta    2020-09-26  2   2020-08-27  NA
LAZATA  Atalanta    2020-09-30  1   2020-08-31  1
ATACAG  Atalanta    2020-10-04  3   2020-09-04  2
NAPATA  Atalanta    2020-10-17  4   2020-09-17  3
ATASAM  Atalanta    2020-10-24  5   2020-09-24  4
CROATA  Atalanta    2020-10-31  6   2020-10-01  3
ATAINT  Atalanta    2020-11-08  7   2020-10-09  3',header=T)

Answer 3

您可以通过一行代码获得此信息，使用表的非对等连接到其自身。

假设fb是您的输入数据（没有Games30days列）。 像这样：

     Code     Team       Date Day Date - 30d
1: TORATA Atalanta 2020-09-26   2 2020-08-27
2: LAZATA Atalanta 2020-09-30   1 2020-08-31
3: ATACAG Atalanta 2020-10-04   3 2020-09-04
4: NAPATA Atalanta 2020-10-17   4 2020-09-17
5: ATASAM Atalanta 2020-10-24   5 2020-09-24
6: CROATA Atalanta 2020-10-31   6 2020-10-01
7: ATAINT Atalanta 2020-11-08   7 2020-10-09

然后，只需加入Team=Team 、 Date<Date和Date>Date - 30d ，如下所示：

games_played = fb[fb,on=.(Team = Team, Date<Date, Date>`Date - 30d`), nomatch=0][,.("Games30" =  .N), .(Date,Team)]

返回

         Date     Team Games30
1: 2020-09-30 Atalanta       1
2: 2020-10-04 Atalanta       2
3: 2020-10-17 Atalanta       3
4: 2020-10-24 Atalanta       4
5: 2020-10-31 Atalanta       3
6: 2020-11-08 Atalanta       3

该结果可以很容易地连接回原始结果，以获取所有列，如下所示：

games_played[fb, on=.(Team, Date)]