数据准备中的问题

Question

抱歉，标题不太明确。以下是感兴趣的data.table：

dt <- data.table(K=c("A","A","A","B","B","B"),Y=c("2010","2010","2011","2011","2011","2010"),Q1=c(2,3,4,1,3,4),Q2=c(3,3,3,1,1,1))
dt
   K    Y Q1 Q2
1: A 2010  2  3
2: A 2010  3  3
3: A 2011  4  3
4: B 2011  1  1
5: B 2011  3  1
6: B 2010  4  1

假设K的值是人，所以这里有两个。一年中的几个季度存储在Q1和Q2中。Q2是一种参考季度变量，其数值总是与2011年相关)。现在我想选择dt中的这些线，对于K中的每一个人，Q1位于Q2值之前的4个季度之间。

一个例子：

个人A在Q2中的值为3，因此应该选择值2 (2011)、1(2011)、4(2010)和3 (2010)。考虑到这个数据集，这仅仅是第2行，第3行中的值Q1=4太大，第1行中的值Q1=2太小。对于第二个人"B"，只选择第6行。不是第4行，因为这是与Q2相同的季度(我只希望那些小于Q2中的值，而第5行明显大于Q2中的值)。

dt_new
   K    Y Q1 Q2
1: A 2010  3  3
2: B 2010  4  1

对的总结

Q2中的值(比如4)意味着:选择Q1中小于Y=2011的所有值，在Q1中选择等于或大于4的所有值(所以只有4)，其中选择Y=2010。结果:3(2011)、2(2011)、1(2011)、4(2010)。此规则适用于Q2的所有值。所有这些都应该针对每个人。

我希望我的问题弄清楚了。我认为解决这个问题的方法有很多，但是由于我还在学习data.table，所以我想请您提供好的、优雅的解决方案(希望有这样的解决方案)。

谢谢

编辑：

几乎找到了一个解决方案:这给了我一个逻辑向量。如何提取数据集中的线条？

setkey(dt,K)
dt[,(Q1<Q2 & Y=="2011")|(Q1>=Q2 & Y=="2010"),by="K"]
   K    V1
1: A FALSE
2: A  TRUE
3: A FALSE
4: B FALSE
5: B FALSE
6: B  TRUE

不这样做：

log <-dt[,(Q1<Q2 & Y=="2011")|(Q1>=Q2 & Y=="2010"),by="K"]$V1
dt[log]

Answer 1

这是一个普通的逐行筛选，因此您不需要(或不应该)使用分组(by = "K")，只需：

dt[(Q1 < Q2 & Y == "2011") | (Q1 >= Q2 & Y == "2010"), ]

或者，如果你要使用的范围不仅仅是4宿舍，也许还会更灵活一些：

quarter.diff <- function(Q1, Y1, Q2, Y2) {
  4L * (as.integer(Y2) - as.integer(Y1)) +
       (as.integer(Q2) - as.integer(Q1))
}

dt[quarter.diff(Q1, Y, Q2, Y2 = "2011")  > 0L &
   quarter.diff(Q1, Y, Q2, Y2 = "2011") <= 4L, ]

这不仅是更一般的，它读起来要好得多，并使参考年份是2011年的假设明确。

请注意，我是如何小心地将所有列转换为quarter.diff函数中的整数。理想情况下，您的年度和季度数据应该已经存储为整数，而不是字符或数字。

最后，如果您担心quarter.diff被调用了两次，而速度是一个问题，您可以临时存储结果，如@Arun在注释中建议的那样：

dt[{qdiff <- quarter.diff(Q1, Y, Q2, Y2 = "2011")
    qdiff > 0L & qdiff <= 4L}, ]