我有以下结构中的数据--数据框架
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)
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?
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:
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:
customer_list <- unique(data$customer)
# cOne cTwo
week_span <- min(data$week):max(data$week)
# 32 33 34 35 36 37接下来,我们需要根据刚刚计算的变量初始化新的数据框架。在这个新的数据框架中,我们每周都需要一个条目,而不仅仅是数据中的每周。这就是我们的“week_span”变量有用的地方。
new_data <- data.frame(
week=sort(rep(week_span,length(customer_list))),
customer=customer_list,
activity_last_week=NA,
activity_2_weeks_ago=NA)
# week customer activity_last_week activity_2_weeks_ago
# 1 32 cOne NA NA
# 2 32 cTwo NA NA
# 3 33 cOne NA NA
# 4 33 cTwo NA NA
# 5 34 cOne NA NA
# 6 34 cTwo NA NA
# 7 35 cOne NA NA
# 8 35 cTwo NA NA
# 9 36 cOne NA NA
# 10 36 cTwo NA NA
# 11 37 cOne NA NA
# 12 37 cTwo NA NA您会注意到我们对每个客户重复周列表并对其进行排序,因此我们得到一个类似于1,1,2,2,3,3,4,4…n的列表,其中的重复次数等于数据中的客户数量。这样我们就可以将“客户”数据指定为客户列表,因为列表将重复以填充空间。滞后列暂时保留为NA。
步骤2:填写滞后值。现在,事情很简单。我们只需获取每个客户的行子集,并确定每周是否有任何事务。我们通过使用“match”函数来提取每周的值来做到这一点。在不存在数据的情况下,我们将得到安娜值,并需要用零替换这些值(假设没有活动就意味着零事务)。然后,对于滞后列,我们只是根据滞后的周数用NA来抵消值。
# Loop through the customers.
for (i in 1:length(customer_list)){
# Select the next customer's data.
subset <- data[data$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$customer==customer_list[i], (2+lag)] <- c(rep(NA,lag), subset_amounts[1:(length(subset_amounts)-lag)])
}
}
# week customer activity_last_week activity_2_weeks_ago
# 1 32 cOne NA NA
# 2 32 cTwo NA NA
# 3 33 cOne 1.32 NA
# 4 33 cTwo 0.00 NA
# 5 34 cOne 0.00 1.32
# 6 34 cTwo 0.00 0.00
# 7 35 cOne 1.34 0.00
# 8 35 cTwo 2.34 0.00
# 9 36 cOne 0.00 1.34
# 10 36 cTwo 2.35 2.34
# 11 37 cOne 1.36 0.00
# 12 37 cTwo 0.00 2.35在其他情况下..如果您有一系列有序的时间数据而不缺少任何行,则使用“embed”函数,这类任务变得非常简单。假设我们有一些数据如下所示:
data <- data.frame(week=1:20, value=1:20+(1:20/100))
# week value
# 1 1 1.01
# 2 2 2.02
# 3 3 3.03
# 4 4 4.04
# 5 5 5.05
# 6 6 6.06
# 7 7 7.07
# 8 8 8.08
# 9 9 9.09
# 10 10 10.10
# 11 11 11.11
# 12 12 12.12
# 13 13 13.13
# 14 14 14.14
# 15 15 15.15
# 16 16 16.16
# 17 17 17.17
# 18 18 18.18
# 19 19 19.19
# 20 20 20.20我们可以在短时间内建立一个滞后数据集,如下所示:
new_data <- data.frame(week=data$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 18.18https://stackoverflow.com/questions/18236406
复制相似问题