R data.table按组有条件地聚合行

Question

我目前在R中的data.table中使用以下数据集：

    id   age_start   age_end    cases
    1    2           2          1000          
    1    3           3          500           
    1    4           4          300           
    1    2           4          1800            
    2    2           2          8000          
    2    3           3          200           
    2    4           4          100           

• 在给定的数据集中，我只需要age_start == 2和age_end ==4的值。在每个ID中，age_start !=2和age_end !=4的情况下，我需要对行进行求和或聚合，以创建一个age_start==2和age_end ==4组。在这些情况下，我需要总结age_start==2& age_end==2、age_start==3和age_end==3的情况。除了age_start==4 & age_end==4到新的age_start==2和age_end==4行之外，在这些行之后的
• 被总结为一行之后，我希望删除用于生成新的age_start==2和age_start==4行的行(即年龄值2-2、3-3和4-4)，因为它们不再需要

。

理想情况下，当我完成以下步骤时，数据集将如下所示：

    id   age_start   age_end    cases
    1    2           4          1800          
    2    2           4          8300

任何关于如何在data.table中实现这一点的建议都将受到极大的赞赏！

Answer 1

您可以对第一个项目使用equi连接；对于第二个项目可以使用非equi连接：

m_equi = x[.(id = unique(id), age_dn = 2, age_up = 4), 
  on=.(id, age_start = age_dn, age_end = age_up),
  nomatch=0
]

m_nonequi = x[!m_equi, on=.(id)][.(id = unique(id), age_dn = 2, age_up = 4), 
  on=.(id, age_start >= age_dn, age_end <= age_up), 
  .(cases = sum(cases)), by=.EACHI
]

res = rbind(m_equi, m_nonequi)

   id age_start age_end cases
1:  1         2       4  1800
2:  2         2       4  8300

它的工作原理：

• x[i]使用i中的值来根据on=.
• nomatch=0中指定的规则在x中查找行和列，这意味着在x[i]中删除了不匹配的i行，因此m_equi仅以id=1.
• x[!m_equi, on=.(id)]结束，它是一个跳过id=1的反连接，因为为了执行aggregation.

，我们已经按照x[i]中的i的每一行在equi join.

• by=.EACHI组中匹配了它。

另一种选择是在具有start 2和end 4的行上进行反连接，这样所有组都需要被聚合(类似于@akrun的答案)，尽管我认为这会降低效率。

Answer 2

我们可以使用逻辑条件指定i，分组by 'id'，得到'cases‘的sum，同时添加'age_start'，'age_end’为2和4

library(data.table)
as.data.table(df1)[age_start != 2|age_end != 4, 
     .(age_start = 2, age_end = 4, cases = sum(cases)), id]
#  id age_start age_end cases
#1:  1         2       4  1800
#2:  2         2       4  8300

数据

df1 <- structure(list(id = c(1L, 1L, 1L, 1L, 2L, 2L, 2L), age_start = c(2L, 
3L, 4L, 2L, 2L, 3L, 4L), age_end = c(2L, 3L, 4L, 4L, 2L, 3L, 
4L), cases = c(1000L, 500L, 300L, 1800L, 8000L, 200L, 100L)), 
  class = "data.frame", row.names = c(NA, 
-7L))