Как мне использовать фильтр внутри оператора mutate?

Question

Я бы хотел рассчитать инвестиции, связанные со списком компаний, на определенную дату. У меня есть список компаний вместе с датой для инвестиций.

Это мои данные-

справочные даты

d1 <- as.Date(paste0("201001","01"), "%Y%m%d")
d2 <- as.Date(paste0("201201","01"), "%Y%m%d")
dat <- seq(d1,d2,by="month")

данные об инвестициях

> head(df)
        company_name funding_round_type funding_round_code  funded_at raised_amount_usd  yearMonth
1            0-6.com            venture                  A 2008-03-19           2000000 2008-03-01
2   004 Technologies            venture                    2014-07-24                NA 2014-03-01
3 01Games Technology        undisclosed                    2014-07-01             41250 2014-03-01
4             H2O.ai            venture                  B 2015-11-09          20000000 2015-03-01
5             H2O.ai               seed                    2013-05-22           3000000 2013-03-01
6             H2O.ai            venture                    2013-01-03           1700000 2013-03-01

Я бы хотел посчитать, сколько подняла каждая компания к моменту каждой даты в dat.

result <- merge(dat, df$company_name) %>% 
  mutate(asOf = x,
         companyName = as.character(y)) %>% select(-x, -y) %>%
  mutate(raised = sum(df[df$company_name == companyName & 
                                      df$yearMonth < asOf,c("raised_amount_usd")])) 

К сожалению, фильтр не работает. Если я установлю это для определенной компании, это работает. Это работает, например: sum(df[df$company_name == companyName & df$yearMonth < asOf,c("raised_amount_usd")]).

Я бы хотел получить результат, который выглядит следующим образом -

        asOf                      companyName            cumulative_raised
1            2010-01-01            0-6.com                  0
2            2010-02-01            0-6.com                  12000000
3            2010-03-01            0-6.com                  12000000
4            2010-01-01            H2O.ai                   0
5            2010-02-01            H2O.ai                   5000000
6            2010-03-01            H2O.ai                   9300000

Как заставить фильтр работать, когда он находится в предложении mutate?

Answer 1

Один из способов решить эту проблему - использовать complete (из tidyr) с group_by, mutate и summarize (из dplyr), а также cumsum, а не sum ( база R). Поскольку данные, которые вы предоставляете, едва совпадают с желаемым интервалом, я немного изменил интервал, чтобы показать, как он работает. Конечно, это абсолютно гибко, и вы можете использовать любой интервал, который хотите иметь:

library(dplyr)
library(tidyr)

my.dat <- seq(as.Date("2013-03-01"), as.Date("2014-04-01"), by = "month")

new.df <- my.df %>% 
  complete(company_name, yearMonth = my.dat, fill = list(raised_amount_usd = 0)) %>% 
  group_by(company_name, yearMonth) %>% 
  summarize(raised_amount_usd = sum(raised_amount_usd, na.rm = TRUE)) %>% 
  arrange(yearMonth) %>% 
  mutate(cumulative_raised = cumsum(raised_amount_usd)) %>% 
  select(company_name, yearMonth, cumulative_raised) 

tail(new.df, 10)

# A tibble: 10 x 3
# Groups:   company_name [4]
   company_name       yearMonth  cumulative_raised
   <chr>              <date>                 <dbl>
 1 01Games Technology 2014-02-01                 0
 2 H2O.ai             2014-02-01           4700000
 3 0-6.com            2014-03-01                 0
 4 004 Technologies   2014-03-01                 0
 5 01Games Technology 2014-03-01             41250
 6 H2O.ai             2014-03-01           4700000
 7 0-6.com            2014-04-01                 0
 8 004 Technologies   2014-04-01                 0
 9 01Games Technology 2014-04-01             41250
10 H2O.ai             2014-04-01           4700000

Как это работает?

Сначала, с помощью complete мы заполняем пропущенные даты в столбце yearMonth и исключаем те, которые не входят в указанный временной интервал. Затем с помощью group_by мы формируем группы company_name и yearMonth, а затем summarize raised_amount_usd для каждой даты и компании (чтобы сложить сумму, которая была собрана в тот же день, что и для H2O.ai в 2013 году -03-01). Затем мы упорядочиваем данные по yearMonth и вычисляем накопленную сумму. Данные по-прежнему сгруппированы по company_name и, таким образом, рассчитывается совокупная сумма на компанию. Наконец, мы выбираем только те столбцы, которые вас заинтересовали.

Данные

my.df <- 
  structure(list(company_name = c("0-6.com", "004 Technologies", "01Games Technology", "H2O.ai", "H2O.ai", "H2O.ai"), 
                 funding_round_type = c("venture", "venture", "undisclosed", "venture", "seed", "venture"), 
                 funding_round_code = c("A", " ", " ", "B", " ", " "), 
                 funded_at = structure(c(13957, 16275, 16252, 16748, 15847, 15708), class = "Date"), 
                 raised_amount_usd = c(2000000L, NA, 41250L, 20000000L, 3000000L, 1700000L), 
                 yearMonth = structure(c(13939, 16130, 16130, 16495, 15765, 15765), class = "Date")), 
            class = "data.frame", row.names = c(NA, -6L))