如何用dplyr计算指定日期范围内Rates的行级累积和？

需要计算数据框中每行从DATE到DATE_following日期范围内Rates列的求和结果，若区间内存在超出现有数据的日期则返回NA。示例数据及期望输出如下：

示例数据代码 #

library(tidyverse)
library(bizdays)
library(lubridate)

set.seed(1)
dat <- seq.Date(from = as.Date(as.Date("2023-04-06")- days(10)),
                to = as.Date(as.Date("2023-04-06")),
                by = "day")  %>% 
  data.frame(DATE = .) %>% 
  mutate(Rates = sample(seq(from=1,to=10,by=1), size = length(DATE),replace=TRUE),
         DATE_following = modified.following(DATE %m+% days(3)))

运行后的数据：

DATE Rates DATE_following
1  2023-03-27     9     2023-03-30
2  2023-03-28     4     2023-03-31
3  2023-03-29     7     2023-04-01
4  2023-03-30     1     2023-04-02
5  2023-03-31     2     2023-04-03
6  2023-04-01     7     2023-04-04
7  2023-04-02     2     2023-04-05
8  2023-04-03     3     2023-04-06
9  2023-04-04     1     2023-04-07
10 2023-04-05     5     2023-04-08
11 2023-04-06     5     2023-04-09

期望输出 #

DATE Rates DATE_following Results
1  2023-03-27     9     2023-03-30      21
2  2023-03-28     4     2023-03-31      14
3  2023-03-29     7     2023-04-01      17
4  2023-03-30     1     2023-04-02      12
5  2023-03-31     2     2023-04-03      14
6  2023-04-01     7     2023-04-04      13
7  2023-04-02     2     2023-04-05      11
8  2023-04-03     3     2023-04-06      14
9  2023-04-04     1     2023-04-07      NA
10 2023-04-05     5     2023-04-08      NA
11 2023-04-06     5     2023-04-09      NA

询问是否可以用dplyr的rowwise()、cumsum()等函数实现，以及如何在函数中定义日期范围条件。

可以用dplyr的rowwise()结合条件筛选实现，也可以用更高效的非rowwise方法（适合大数据量），以下两种方法都能满足需求：

方法一：使用rowwise()逐行计算 #

这种方法逻辑直观，适合小数据量：

dat_result <- dat %>%
  rowwise() %>%
  mutate(
    # 提取当前行日期区间内的所有Rates值
    filtered_rates = list(dat$Rates[dat$DATE >= DATE & dat$DATE <= DATE_following]),
    # 检查区间内的日期是否全部存在于数据中
    has_all_dates = all(seq.Date(DATE, DATE_following, by = "day") %in% dat$DATE),
    # 满足条件则求和，否则返回NA
    Results = if(has_all_dates) sum(filtered_rates) else NA
  ) %>%
  ungroup() %>%
  select(-filtered_rates, -has_all_dates)

代码说明： #

1. rowwise()：将数据框转为逐行处理模式，确保每行独立计算。
2. list(...)：用列表保存筛选出的Rates值，避免因行内元素数量不同导致的报错。
3. has_all_dates：验证日期区间内的每一天都存在于原始数据的DATE列，保证数据完整性。
4. 最后取消分组并清理临时计算列，得到目标结果。

方法二：非rowwise的高效方法（适合大数据） #

如果数据量较大，rowwise()效率较低，可以用map2()结合向量操作：

dat_result <- dat %>%
  mutate(
    Results = map2_dbl(DATE, DATE_following, ~{
      date_range <- seq.Date(.x, .y, by = "day")
      if(all(date_range %in% dat$DATE)) {
        sum(dat$Rates[dat$DATE %in% date_range])
      } else {
        NA_real_
      }
    })
  )

代码说明： #

1. map2_dbl()：遍历每一对DATE和DATE_following，返回数值型结果。
2. 对每一对日期生成完整的日期序列，检查是否全部存在于数据中，存在则求和，否则返回NA。

运行上述任意一种方法，都能得到你期望的输出结果。

内容的提问来源于stack exchange，提问作者mathstruggler