Для каждой группы, для каждой недели, найдите сумму наблюдений за предыдущие X недель в R - PullRequest
Новая
       14

Для каждой группы, для каждой недели, найдите сумму наблюдений за предыдущие X недель в R

0 голосов
/ 12 июня 2019

Для каждой группы (индивидуальный_идентификатор), для каждого недельного_идентификатора я хочу рассчитать количество появлений, которые индивид сделал за предыдущие X недель в каждом городе.

Я экспериментировал с dplyr безрезультатно.Я пробовал цикл, но он всегда использует набор данных, который я использую (около 250 000 наблюдений> 1000 человек в 20 городах. Тем более, что я хочу посмотреть количество появлений за предыдущие два года (т.е. X = 104недели). 

theDates = as.Date(c('07/05/2017','07/05/2017', '07/05/2017', '14/05/2017', '14/05/2017',
                     '21/05/2017','21/05/2017','21/05/2017', '28/05/2017', '04/06/2017', '04/06/2017', '04/06/2017', '11/06/2017',
                     '18/06/2017', '18/06/2017'), format='%d/%m/%Y')


someData = data.frame(individual_id = c(1,2,3,2,3,1,2,3,3,1,2,3,3,2,3), week_end_date=theDates, 
                      city=c('Chicago','Chicago','Chicago','Washington', 'Washington', 'Chicago','Chicago', 'Chicago','Washington',
                             'Washington', 'Washington','Washington','Chicago','Washington', 'Washington'))



someData$nChicagoAppearancesInLastXweeks = NA
someData$nWashingtonAppearancesInLastXweeks = NA

X = 4 # this is the number of weeks for the window length

someData$start_of_period_date = someData$week_end_date - 7*X  # this is the start of the range of dates to count appearances over

for (i in 1:dim(someData)[1]) {
  WEEK_IDS = seq(someData$start_of_period_date[i], someData$week_end_date[i]-1, by='days')
  INDIVIDUAL_ID = someData$individual_id[i]

someData$nChicagoAppearancesInLastXweeks[i] = sum(ifelse(someData$city=='Chicago' & someData$individual_id == INDIVIDUAL_ID & someData$week_end_date %in% WEEK_IDS,1,0))

someData$nWashingtonAppearancesInLastXweeks[i] = with(someData, sum(ifelse(city=='Washington' & individual_id == INDIVIDUAL_ID & week_end_date %in% c(WEEK_IDS),1,0)))
}

Ожидаемый результат будет в двух новых столбцах, в которых будет указано, сколько раз каждый индивидуальный_идентификатор появлялся в каждом городе в предыдущие X недель. Код цикла делает это, но, очевидно, это не лучший способ.сделать это.

1 Ответ

1 голос
/ 12 июня 2019

Выполните левое соединение для каждого добавленного столбца: 

library(sqldf)

X <- 4
sql <- "select sum(not b.city is null)
  from someData a
  left join someData b on 
    b.city == '$lev' and 
    a.[individual_id] = b.[individual_id] and
    b.[week_end_date] between a.[week_end_date] - 7 * $X and a.[week_end_date] - 1
  group by a.rowid"

for(lev in levels(someData$city)) someData[lev] <- fn$sqldf(sql)

, предоставив: 

> someData
   individual_id week_end_date       city Chicago Washington
1              1    2017-05-07    Chicago       0          0
2              2    2017-05-07    Chicago       0          0
3              3    2017-05-07    Chicago       0          0
4              2    2017-05-14 Washington       1          0
5              3    2017-05-14 Washington       1          0
6              1    2017-05-21    Chicago       1          0
7              2    2017-05-21    Chicago       1          1
8              3    2017-05-21    Chicago       1          1
9              3    2017-05-28 Washington       2          1
10             1    2017-06-04 Washington       2          0
11             2    2017-06-04 Washington       2          1
12             3    2017-06-04 Washington       2          2
13             3    2017-06-11    Chicago       1          3
14             2    2017-06-18 Washington       1          1
15             3    2017-06-18 Washington       2          2
...