如何基于分组与dist索引汇总R语言数据框的vals列值？

Hey there! 你已经搞定了分组和dist列的计算，现在要在每个grps分组里，给每行计算所有dist值≤当前行dist的vals之和对吧？我给你两个适配dplyr的解决方案，都能得到你想要的结果：

方法1：用rowwise()直观实现（适合小数据集） #

这个方法逻辑直白，先按组拆分，然后逐行处理，筛选同组内符合条件的行再求和：

library(dplyr)

final_result <- rslt %>%
  group_by(grps) %>%
  rowwise() %>%
  # 筛选当前组里dist<=当前行dist的vals，求和
  mutate(sum = sum(vals[dist <= cur_data()$dist])) %>%
  # 如果不需要保留分组结构，可以去掉ungroup()
  ungroup()

方法2：用purrr::map_dbl()更高效（适合大数据集） #

如果你的数据集比较大，rowwise()的效率会稍弱，用map_dbl()遍历组内的行，速度会更快：

library(dplyr)
library(purrr)

final_result <- rslt %>%
  group_by(grps) %>%
  # 遍历每个dist值，计算同组内dist<=该值的vals总和
  mutate(sum = map_dbl(dist, ~sum(vals[dist <= .x]))) %>%
  ungroup()

验证结果 #

运行任意一段代码后，你都会得到预期的输出：

# A tibble: 5 × 5
   vals  grps dts        dist   sum
  <dbl> <dbl> <date>     <dbl> <dbl>
1     1     1 2020-01-01     1     3
2     2     1 2020-01-02     0     2
3     3     2 2020-01-03     2    12
4     4     2 2020-01-04     1     9
5     5     2 2020-01-05     0     5

小提示 #

• cur_data()在rowwise()模式下，会返回当前组的所有数据，所以cur_data()$dist能拿到同组的全部dist值，用来筛选符合条件的vals。
• map_dbl()里的.x代表当前遍历到的dist值，逻辑和rowwise()一致，但底层实现更高效。

内容的提问来源于stack exchange，提问作者LxndrF