cumsum przy użyciu ddply

Question

Potrzebuję użyć grupy według poziomów z ddply lub agregatu, jeśli jest to łatwiejsze. Nie jestem naprawdę pewny, jak to zrobić, ponieważ muszę użyć cumsum jako mojej funkcji agregującej. To co moje dane wygląda następująco:

level1  level2 hour  product 
A   tea  0   7 
A   tea  1   2 
A   tea  2   9 
A   coffee 17   7 
A   coffee 18   2 
A   coffee 20   4 
B   coffee 0   2 
B   coffee 1   3 
B   coffee 2   4 
B   tea  21   3 
B   tea  22   1 

oczekiwany wynik:

A  tea  0 7 
A  tea  1 9 
A  tea  2 18 
A  coffee 17 7 
A  coffee 18 9 
A  coffee 20 13 
B  coffee 0 2 
B  coffee 1 5 
B  coffee 2 9 
B  tea  21 3 
B  tea  22 4 

Próbowałem za pomocą

ddply(dd,c("level1","level2","hour"),summarise,cumsum(product)) 

ale nie sumują się i myślę, że to dlatego, że kolumny godzinnym jest używany w grupie przez i jest przez to dzielony .. Myślę ... Nie jestem pewien, czy całkowicie rozumiem, jak działa tutaj agregacja. Czy jest jakiś sposób, aby uzyskać wymaganą wydajność za pomocą agregatu lub ddply?

Answer 1

Oto rozwiązanie w podstawowej R używając ave i within:

within(mydf, { 
    cumsumProduct <- ave(product, level1, level2, FUN = cumsum) 
}) 
# level1 level2 hour product cumsumProduct 
# 1  A tea 0  7    7 
# 2  A tea 1  2    9 
# 3  A tea 2  9   18 
# 4  A coffee 17  7    7 
# 5  A coffee 18  2    9 
# 6  A coffee 20  4   13 
# 7  B coffee 0  2    2 
# 8  B coffee 1  3    5 
# 9  B coffee 2  4    9 
# 10  B tea 21  3    3 
# 11  B tea 22  1    4 

Oczywiście, jeśli chciał spadać istniejącą kolumnę produktu, można zmienić polecenie na następujące, aby zastąpić bieżącą kolumnę "produkt":

within(mydf, { 
    product <- ave(product, level1, level2, FUN = cumsum) 
}) 

Twoje obecne podejście nie działa częściowo, ponieważ uwzględniłeś "godzinę" jako jedną ze zmiennych grupujących. Innymi słowy, to połączenie "A + herbata + 0" różni się od "A + herbata + 1", ale z pożądanej wydajności, po prostu chcesz, aby kombinacja "A + herbata" była Grupa.

aggregate nie będzie działać zgodnie z oczekiwaniami, ponieważ spowoduje skondensowanie wszystkiego w postaci data.frame z taką samą liczbą rzędów, jak liczba unikalnych kombinacji "level1" i "level2", w tym przypadku 4 wiersze. Zagregowana kolumna będzie miała postać list. Wartości byłyby poprawne, ale byłoby mniej użyteczne.

Oto aggregate a jego produkcja:

> aggregate(product ~ level1 + level2, mydf, cumsum) 
    level1 level2 product 
1  A coffee 7, 9, 13 
2  B coffee 2, 5, 9 
3  A tea 7, 9, 18 
4  B tea  3, 4 

Answer 2

należy użyć transform zamiast summarise:

# you should probably order your `level2` first 
dd$level2 <- factor(dd$level2, levels=c("tea", "coffee")) 
# and transform using level1 and level2 alone, not hour 
# if you use hour, the groups will be for each row 
ddply(dd, .(level1, level2), transform, product=cumsum(product)) 

# level1 level2 hour product 
# 1  A tea 0  7 
# 2  A tea 1  9 
# 3  A tea 2  18 
# 4  A coffee 17  7 
# 5  A coffee 18  9 
# 6  A coffee 20  13 
# 7  B tea 21  3 
# 8  B tea 22  4 
# 9  B coffee 0  2 
# 10  B coffee 1  5 
# 11  B coffee 2  9