如何修改data.table代码以按指定列条件统计过去一年的匹配行数

嘿，我来帮你搞定这个data.table的统计问题～

你的需求很明确：对每一行数据，统计相同id、时间在当前行日期往前推365天到当前日期之间，并且type等于1的记录数量。之前尝试的.N(type = 1)写法不对，我们可以通过两种方式修改代码来实现需求：

方法一：先过滤再统计 #

我们可以在连接的右表中先筛选出type == 1的记录，这样统计的就是符合条件的行数：

library(data.table)

# 先构造你的示例数据集
df <- data.table(
  id = c("ny", "ny", "ny", "ny", "ch", "ch", "ch"),
  type = c(0, 0, 1, 1, 0, 1, 0),
  date = as.Date(c("2021-09-27", "2021-09-09", "2021-08-01", "2021-07-07", "2020-04-01", "2020-03-01", "2020-02-01"))
)

# 计算每行的时间边界（当前日期减365天）
df[, boundary := date - 365]

# 修改后的统计代码：只统计type=1的记录
df[, counts := df[type == 1, .N, on = .(id, date < date, date > boundary), by = .EACHI]$N]

# 把没有符合条件的NA替换为0，匹配你的预期输出
df[, counts := ifelse(is.na(counts), 0, counts)]

方法二：通过求和统计 #

另一种思路是在连接后对每组的type == 1条件求和（满足条件加1，不满足加0），效果完全一致：

df[, counts := df[df, sum(type == 1), on = .(id, date < date, date > boundary), by = .EACHI]$V1]
df[, counts := ifelse(is.na(counts), 0, counts)]

验证结果 #

运行任意一种方法后，你都会得到和预期完全匹配的结果：

补充说明 #

• 为什么原来的写法不对？.N是用来统计分组行数的参数，不能直接加条件筛选，要么先过滤数据集，要么用sum()来计数符合条件的行。
• 替换NA为0是因为当没有符合条件的记录时，统计结果会返回NA，而你的预期是显示0，这一步是必要的。

内容的提问来源于stack exchange，提问作者fifigoblin