寻求R语言中无需循环构建每日累计交易数据框的高效方案

针对你需要生成每个As_Of_Dt下截至该日所有交易记录的需求，以下是两种比for循环更高效的实现方案，尤其适合大规模数据集：

方案一：使用dplyr + tidyr（tidyverse生态） #

library(tidyverse)
library(lubridate)

# 原始数据预处理
df <- data.frame(TradeDate = c("2022-01-01","2022-01-02","2022-01-02", "2022-01-03","2022-01-04"),
                 Ticker = c("AAPL", "AMZN", "META", "AAPL","TSLA"),
                 Type = c("Buy", "Buy", "Buy", "Buy","Buy"),
                 Shares = c(10, 12, 5, 15, 20)) %>%
  mutate(TradeDate = as_date(TradeDate))

# 生成所有需要的As_Of_Dt日期序列
as_of_dates <- seq(min(df$TradeDate), max(df$TradeDate), by = "day")

# 构建累计数据框
result <- tibble(As_Of_Dt = as_of_dates) %>%
  mutate(
    # 对每个As_Of_Dt，筛选TradeDate <= 当前日期的所有交易
    trades = map(As_Of_Dt, ~ filter(df, TradeDate <= .x))
  ) %>%
  # 展开嵌套的trades数据
  unnest(trades) %>%
  # 调整列顺序匹配预期输出
  select(TradeDate, Ticker, Type, Shares, As_Of_Dt)

方案二：使用data.table（极致高效，适合超大数据集） #

library(data.table)
library(lubridate)

# 转换为data.table格式并预处理日期
dt <- as.data.table(df)
dt[, TradeDate := as_date(TradeDate)]

# 生成所有As_Of_Dt日期
as_of_dates <- seq(min(dt$TradeDate), max(dt$TradeDate), by = "day")

# 利用非等连接实现高效累计匹配
result <- dt[.(As_Of_Dt = as_of_dates), 
             on = .(TradeDate <= As_Of_Dt),
             .(TradeDate = x.TradeDate, Ticker, Type, Shares, As_Of_Dt = i.As_Of_Dt),
             allow.cartesian = TRUE]

方案说明 #

• 方案一：用purrr::map替代for循环，避免了循环中反复绑定数据框的性能损耗，tidyverse语法更易读维护。
• 方案二：data.table的非等连接是处理这类累计匹配场景的最优解之一，底层基于C语言实现，在百万级以上数据量时性能优势极为显著。
• 两种方案均自动从原始数据提取日期范围，无需手动计算区间，适用性更强。

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