难度分组和汇总大量的数据可能

我无法用一个非常大的数据集的工作。我有一个项目ID，购买日期和购买数量。难度分组和汇总大量的数据可能

str(Output0) 
'data.frame': 183847 obs. of 3 variables: 
    $ D: Factor w/ 460 levels "2015-09-21","2015-09-24",..: 3 3 3 3 3 3 3 3 3 3 ... 
    $ P: int 1 2 3 4 5 6 7 8 9 10 ... 
    $ Q: num 7 1 2 1 1 1 1 1 1 1 ...

作为一个说明，P =项目ID，d =日期，以及Q =采购数量

我想用3天的时间来总结每个单项的采购数量（所以有可能仍然是重复项目ID）。例如：

P Date  Purchase Q 
1234  1/1/16   1 
1235  1/1/16   1 
1235  1/2/16   1 
1235  1/3/16   1 
1444  1/1/16   1 
1444  1/2/16   1 
1444  1/3/16   1

会是什么样子：

Output2 <- aggregate(Output0$Q, by=list(PS=P, 
       Date = cut(as.Date(Output0$D, format="%d/%m/%Y"),breaks="3 day")), FUN=sum)

但想出这个错误：

Error in seq.int(0, to0 - from, by) : 'to' cannot be NA, NaN or infinite

In addition: Warning messages: 1: In min.default(c(NA_real_, NA_real_, NA_real_, NA_real_, NA_real_, : no non-missing arguments to min; returning Inf 2: In max.default(c(NA_real_, NA_real_, NA_real_, NA_real_, NA_real_, : no non-missing arguments to max; returning -Inf

ItemID DateEndPoint Purchase Q 
1234  1/1/16   1 
1235  1/3/16   3 
1444  1/3/16   3

我已经尝试使用我也想在其他时间段做同样的事情需要（1天，1周），所以可重现的东西将是美好的。

在响应为P·拉普安特：我想下面的它看上去很不错，除了最后一列共计所有日期的所有项目，而不是每个时期

Output1 <- POData%>%mutate(Date=as.Date(POData$`PO Date`,"%m-%d-%Y"),Date_Group=cut(Date,breaks="3 days"))%>% group_by(POData$`ItemID`,Date_Group)%>%summarise(DateEndPoint=max(Date),Purchase_Q=sum(POData$`POQty`,na.rm=TRUE))

它作为显示：

> View(Output1) 
> str(Output1) 
Classes ‘grouped_df’, ‘tbl_df’, ‘tbl’ and 'data.frame': 116749 obs. of 4 variables: 
    $ POData$`Item ID`: int 11 11 11 11 11 11 11 11 11 11 ... 
    $ Date_Group  : Factor w/ 216 levels "2015-09-21","2015-09-24",..: 4 6 11 13 14 15 18 19 24 25 ... 
    $ DateEndPoint : Date, format: "2015-10-02" "2015-10-08" ... 
    $ Purchase_Q  : num 2691020 2691020 2691020 2691020 2691020 ... 
    - attr(*, "vars")= chr "POData$`Item ID`" 
    - attr(*, "drop")= logi TRUE

预先感谢您！

来源

2017-06-29 Sutton Murray

难道ü尝试DPLYR包？ – AntonCH

@AntonCH不，我还没有 - 你会推荐什么？ –

@SuttonMurray我想你在现实生活中有超过3天的例子。你想要滚动的总和（每天计算）还是只有3天的周期没有重叠？ –

这里是如何做到这一点与dplyr。请注意，我将范例扩展了一天，以表明它可以处理额外的3天组。基本上，你想创建一个新的Date_group列来进行分组。然后，summarise。

df <- read.table(text="P Date  Purchase_Q 
1234  1/1/16   1 
1235  1/1/16   1 
1235  1/2/16   1 
1235  1/3/16   1 
1444  1/1/16   1 
1444  1/2/16   1 
1444  1/3/16   1 
1444  1/5/16   1",header=TRUE,stringsAsFactors=FALSE) 

library(dplyr) 
df%>% 
    mutate(Date=as.Date(Date,"%m/%d/%y"),Date_group=cut(Date,breaks="3 days")) %>% 
    group_by(P,Date_group) %>% 
    summarise(DateEndPoint=max(Date),Purchase_Q=sum(Purchase_Q,na.rm=TRUE)) 

     P Date_group DateEndPoint Purchase_Q 
    <int>  <fctr>  <date>  <int> 
1 1234 2016-01-01 2016-01-01   1 
2 1235 2016-01-01 2016-01-03   3 
3 1444 2016-01-01 2016-01-03   3 
4 1444 2016-01-04 2016-01-05   1

来源

2017-06-29 13:57:25

@P Lapoint谢谢！它似乎运作良好，除了最后一列，它等于所有项目/日期（2691020）的总和而不是每个时间段的总和。我将数据框命名为“POData”。我刚刚在原文中粘贴了上面的新代码。有什么可以看到的，可能会导致它不正确？ –

@SuttonMurray使用'dplyr'，你通常不需要在代码中放入'POData $''。在这种情况下，它告诉R忽略分组。改为：'Output1 <- POData%>％mutate（Date = as.Date（'PO Date'，“％m-％d-％Y”），Date_Group = cut（Date，breaks =“3 days”））％>％ group_by（ItemID，Date_Group）％>％summarize（DateEndPoint = max（Date），Purchase_Q = sum（POQty，na.rm = TRUE））' –

@P Lapointe - 工作！你真棒！ :) –

难度分组和汇总大量的数据可能

回答

相关问题