首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >R中的数据处理

问R中的数据处理
EN

Stack Overflow用户
提问于 2013-08-14 15:48:23
回答 1查看 175关注 0票数 0

我有以下结构中的数据--数据框架

代码语言:javascript
复制
transaction | customer | week | amount
12551       | ieeamo   | 32   | €23.54
12553       | ieeamo   | 33   | €17.00

我想把它按下面的结构(连续几个星期)

代码语言:javascript
复制
week | customer | activity last week | activity 2 weeks ago
32   | ieeamo   | €0.00              | €0.00
33   | ieeamo   | €23.54             | €0.00
34   | ieeamo   | €17.00             | €23.54             
35   | ieeamo   | €0.00              | €17.00 

本质上,我试图将事务性数据转换为相关数据。

我的想法是,最好的方法是使用循环来生成许多数据文件,然后在最后重新绑定它们。然而,这种方法似乎没有效率,我也不确定它是否会扩展到我正在使用的数据。

有没有更合适的解决办法?

EN

回答 1

Stack Overflow用户

回答已采纳

发布于 2013-08-14 17:22:53

因为每个rbind都会在内存中创建数据帧的一个新副本,因此Rbinding是一个不好的主意。我们可以更快地找到答案,主要是矢量化的方法,只使用循环使代码更简洁。支持OP,以识别低效率和寻找解决方案。

注意:以下解决方案适用于任意数量的客户,但需要对其进行小修改才能处理更多的滞后列。

Setup:首先,我们需要生成一些要处理的数据。我将使用两个不同的客户,每个客户需要几周的事务数据,如下所示:

代码语言:javascript
复制
data <- read.table(text="
    transaction customer week amount
    12551       cOne     32   1.32
    12552       cOne     34   1.34
    12553       cTwo     34   2.34
    12554       cTwo     35   2.35
    12555       cOne     36   1.36
    12556       cTwo     37   1.37
    ", header=TRUE)

步骤1:计算一些变量并初始化新的数据帧。为了让编程变得非常简单,我们首先想知道两件事:有多少客户和多少周?我们计算出的答案如下:

代码语言:javascript
复制
customer_list <- unique(data$customer)
# cOne cTwo

week_span <- min(data$week):max(data$week)
# 32 33 34 35 36 37

接下来,我们需要根据刚刚计算的变量初始化新的数据框架。在这个新的数据框架中,我们每周都需要一个条目,而不仅仅是数据中的每周。这就是我们的“week_span”变量有用的地方。

代码语言:javascript
复制
new_data <- data.frame(
    week=sort(rep(week_span,length(customer_list))),
    customer=customer_list,
    activity_last_week=NA,
    activity_2_weeks_ago=NA)

#    week customer activity_last_week activity_2_weeks_ago
# 1    32     cOne                 NA                   NA
# 2    32     cTwo                 NA                   NA
# 3    33     cOne                 NA                   NA
# 4    33     cTwo                 NA                   NA
# 5    34     cOne                 NA                   NA
# 6    34     cTwo                 NA                   NA
# 7    35     cOne                 NA                   NA
# 8    35     cTwo                 NA                   NA
# 9    36     cOne                 NA                   NA
# 10   36     cTwo                 NA                   NA
# 11   37     cOne                 NA                   NA
# 12   37     cTwo                 NA                   NA

您会注意到我们对每个客户重复周列表并对其进行排序,因此我们得到一个类似于1,1,2,2,3,3,4,4…n的列表,其中的重复次数等于数据中的客户数量。这样我们就可以将“客户”数据指定为客户列表,因为列表将重复以填充空间。滞后列暂时保留为NA。

步骤2:填写滞后值。现在,事情很简单。我们只需获取每个客户的行子集,并确定每周是否有任何事务。我们通过使用“match”函数来提取每周的值来做到这一点。在不存在数据的情况下,我们将得到安娜值,并需要用零替换这些值(假设没有活动就意味着零事务)。然后,对于滞后列,我们只是根据滞后的周数用NA来抵消值。

代码语言:javascript
复制
# Loop through the customers.
for (i in 1:length(customer_list)){
    # Select the next customer's data.
    subset <- data[data$customer==customer_list[i],]

    # Extract the data values for each week.
    subset_amounts <- subset$amount[match(week_span, subset$week)]

    # Replace NA with zero.
    subset_amounts <- ifelse(is.na(subset_amounts),0,subset_amounts)

    # Loop through the lag columns.   
    for (lag in 1:2){

        # Write in the data values with the appropriate
        # number of offsets according to the lag.
        # Truncate the extra values.
        new_data[new_data$customer==customer_list[i], (2+lag)] <- c(rep(NA,lag), subset_amounts[1:(length(subset_amounts)-lag)])
    }
}

#    week customer activity_last_week activity_2_weeks_ago
# 1    32     cOne                 NA                   NA
# 2    32     cTwo                 NA                   NA
# 3    33     cOne               1.32                   NA
# 4    33     cTwo               0.00                   NA
# 5    34     cOne               0.00                 1.32
# 6    34     cTwo               0.00                 0.00
# 7    35     cOne               1.34                 0.00
# 8    35     cTwo               2.34                 0.00
# 9    36     cOne               0.00                 1.34
# 10   36     cTwo               2.35                 2.34
# 11   37     cOne               1.36                 0.00
# 12   37     cTwo               0.00                 2.35

在其他情况下..如果您有一系列有序的时间数据而不缺少任何行,则使用“embed”函数,这类任务变得非常简单。假设我们有一些数据如下所示:

代码语言:javascript
复制
data <- data.frame(week=1:20, value=1:20+(1:20/100))

#    week value
# 1     1  1.01
# 2     2  2.02
# 3     3  3.03
# 4     4  4.04
# 5     5  5.05
# 6     6  6.06
# 7     7  7.07
# 8     8  8.08
# 9     9  9.09
# 10   10 10.10
# 11   11 11.11
# 12   12 12.12
# 13   13 13.13
# 14   14 14.14
# 15   15 15.15
# 16   16 16.16
# 17   17 17.17
# 18   18 18.18
# 19   19 19.19
# 20   20 20.20

我们可以在短时间内建立一个滞后数据集,如下所示:

代码语言:javascript
复制
new_data <- data.frame(week=data$week[3:20], embed(data$value,3))

names(new_data)[2:4] <- c("this_week", "last_week", "2_weeks_ago")

#    week this_week last_week 2_weeks_ago
# 1     3      3.03      2.02        1.01
# 2     4      4.04      3.03        2.02
# 3     5      5.05      4.04        3.03
# 4     6      6.06      5.05        4.04
# 5     7      7.07      6.06        5.05
# 6     8      8.08      7.07        6.06
# 7     9      9.09      8.08        7.07
# 8    10     10.10      9.09        8.08
# 9    11     11.11     10.10        9.09
# 10   12     12.12     11.11       10.10
# 11   13     13.13     12.12       11.11
# 12   14     14.14     13.13       12.12
# 13   15     15.15     14.14       13.13
# 14   16     16.16     15.15       14.14
# 15   17     17.17     16.16       15.15
# 16   18     18.18     17.17       16.16
# 17   19     19.19     18.18       17.17
# 18   20     20.20     19.19       18.18
票数 1
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/18236406

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档