根据日期计算数据表中以前的行

Question

(很抱歉，如果这里的一些术语过时了--我来自SQL背景，而我只是进入R世界)

我有一个数据表，其中包含一系列按日期排序的条目。数据表中的一个字段是一个分组值，另一个是时间值。使用按组排序的数据(或键控--我对R不熟悉，并且仍然不确定差异)，我希望在给定的时间范围内，对该组中的每一行在当前行(包括当前行)前面的几行进行计数。

下面是我尝试使用Loblolly数据集的一个简化示例：

准备示例数据：

library(lubridate)
library(zoo)
library(data.table)
DT = as.data.table(Loblolly)
DT[,rd := Sys.time() + years(age)]
setkey(DT,Seed,rd)

现在，我们有了一个按Seed (组)和rd (my列)排序的数据表。我有一个基于10年间隔的计算值(ct)的解决方案：

DT[,.ct:=mapply(function(x,y) DT[(rd>x-years(10) & rd<=x &Seed==y),.N],DT$rd,DT$Seed)]

这将在此示例数据集中产生所需的结果：

    height age Seed                  rd  ct
 1:   3.93   3  329 2019-03-01 13:38:00   1
 2:   9.34   5  329 2021-03-01 13:38:00   2
 3:  26.08  10  329 2026-03-01 13:38:00   3
 4:  37.79  15  329 2031-03-01 13:38:00   2
 5:  48.31  20  329 2036-03-01 13:38:00   2
 6:  56.43  25  329 2041-03-01 13:38:00   2
 7:   4.12   3  327 2019-03-01 13:38:00   1
 8:   9.92   5  327 2021-03-01 13:38:00   2
 9:  26.54  10  327 2026-03-01 13:38:00   3
10:  37.82  15  327 2031-03-01 13:38:00   2
...
...

然而，我需要扩大这一规模，在超过500万的记录上工作，跨越大约10,000组，而且要花很长的时间才能在那里运行。有没有一种更快、更少笨拙的方法来做我想做的事？

Answer 1

下面是使用data.table::foverlaps的一个可能的解决方案。这里的想法是首先加入整个范围的{Sys.time() - years(10), Sys.time() + years(age)}。然后，只计算差异小于<= 10年的实例。

DT <- as.data.table(Loblolly)
DT[, c("rd", "rd2") := Sys.time() + years(age)] # create identical columns so foverlaps will work
setkey(DT, Seed, rd, rd2) # key by all for same reason
DT2 <- DT[, .(Seed, rd = rd - years(10), rd2, indx = .I)] # create minum range, create index to store row number
DT[, ct := foverlaps(DT, DT2)[i.rd > rd, .N, by = indx]$N] # run foverlaps, subset by condition and count
head(DT, 10)
#     height age Seed                  rd                 rd2 ct
#  1:   3.93   3  329 2019-03-01 22:59:02 2019-03-01 22:59:02  1
#  2:   9.34   5  329 2021-03-01 22:59:02 2021-03-01 22:59:02  2
#  3:  26.08  10  329 2026-03-01 22:59:02 2026-03-01 22:59:02  3
#  4:  37.79  15  329 2031-03-01 22:59:02 2031-03-01 22:59:02  2
#  5:  48.31  20  329 2036-03-01 22:59:02 2036-03-01 22:59:02  2
#  6:  56.43  25  329 2041-03-01 22:59:02 2041-03-01 22:59:02  2
#  7:   4.12   3  327 2019-03-01 22:59:02 2019-03-01 22:59:02  1
#  8:   9.92   5  327 2021-03-01 22:59:02 2021-03-01 22:59:02  2
#  9:  26.54  10  327 2026-03-01 22:59:02 2026-03-01 22:59:02  3
# 10:  37.82  15  327 2031-03-01 22:59:02 2031-03-01 22:59:02  2

编辑17/3/2017:

使用data.table v1.10.4+，您现在可以将非uqui联接与by = .EACHI结合使用。这基本上允许您使用>=和<=来连接，而不仅仅是精确的连接，还可以在连接时运行计算(以避免笛卡尔连接，就像在您的例子中那样)，并且只返回最后的结果。所以在你的具体情况下你可以

DT[, rd10 := rd - years(10)]
DT[, ct := DT[DT, .N, on = .(Seed, rd <= rd, rd > rd10), by = .EACHI]$N]