[英]Filter R data.table based on groupings created using cumulative sum of a column
[英]Cumulative Sum in R based on Date and other conditions using data.table
我有一些足球數據(2020/2021 意甲聯賽),我想計算每支球隊在過去 n 天里的比賽數量(可以說是在過去 30 天內簡化)。 因此,條件是球隊,比賽當天(嚴格小於)和同一天 - 30(大於或等於)。
我想知道使用 data.table(單獨)的最佳方法是什么,更重要的是,代碼背后的邏輯。 我會遍歷團隊和日期,但我認為這很麻煩,而且我相信有一種方法可以在一行中完成。
下面給出了一個示例,結果是我所期望的(日期和日期可能會產生誤導,因為有些比賽被推遲了,但這並不重要。數據按日期分類)。 非常感謝你。
代碼 | 團隊 | 日期 | 日 | 日期 - 30d | 過去 30 天玩過的游戲 |
---|---|---|---|---|---|
托拉塔 | 亞特蘭大 | 2020-09-26 | 2 | 2020-08-27 | 不適用 |
拉扎塔 | 亞特蘭大 | 2020-09-30 | 1 | 2020-08-31 | 1 |
ATACAG | 亞特蘭大 | 2020-10-04 | 3 | 2020-09-04 | 2 |
納帕塔 | 亞特蘭大 | 2020-10-17 | 4 | 2020-09-17 | 3 |
ATASAM | 亞特蘭大 | 2020-10-24 | 5 | 2020-09-24 | 4 |
克羅地亞 | 亞特蘭大 | 2020-10-31 | 6 | 2020-10-01 | 3 |
ATAINT | 亞特蘭大 | 2020-11-08 | 7 | 2020-10-09 | 3 |
這是一個實現,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
在這種情況下,對於每個Date
值,我們計算它的 30 天內有多少個日期。
如果您需要NA
代替0
,那么您可以添加dat[z < 1, z := NA]
或類似的。
數據:
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)
您可以將runner
與data.table
結合使用來計算運行Date
窗口計數:
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
數據:
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)
您可以通過一行代碼獲得此信息,使用表的非對等連接到其自身。
假設fb
是您的輸入數據(沒有Games30days
列)。 像這樣:
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
該結果可以很容易地連接回原始結果,以獲取所有列,如下所示:
games_played[fb, on=.(Team, Date)]
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.