如何创建一个列，根据条件累计添加前两行的总和？ [英] How can I create a column that cumulatively adds the sum of two previous rows based on conditions?
问题描述
我有一个数据集与赢家，输家，日期，winner_points和loser_points。
$ b
对于每一行，我需要两个新的列，一个是赢家，一个是失败者，表示他们迄今获得了多少分（赢家和输家）。
示例数据：
赢家<-c（1,2,3， 1,2,3,1,2,3）
loser <-c（3,1,1,2,1,1,3,1,2）
date <-c（ 2017年10月1日， 2017年10月2日， 2017年10月3日， 2017年10月4日， 2017年10月5日， 2017年10月6日，2017年-10-07，2017-10-08，2017-10-09）
winner_points <-c（2,1,2,1,2,1,2,1,2）
loser_points< -c（1,0,1,0,1,0,1,0,1）
test_data< - data.frame（winner，loser，date = as.Date日期），winner_points，loser_points）
我想输出为： 到目前为止我已经解决了这个问题，就是做一个for循环，例如： 有什么建议如何解决这个问题？当行数加起来时，查询需要相当长的一段时间。我已经试着用AVE函数来详细说明，我可以做一列来作为赢家，但是不能弄清楚如何将他们的积分作为失败者加入。 code>赢者<-c（1,2,3,1,2,3,1,2,3） I tried asking this question before but was it was poorly stated. This is a new attempt cause I haven't solved it yet. I have a dataset with winners, losers, date, winner_points and loser_points. For each row, I want two new columns, one for the winner and one for the loser that shows how many points they have scored so far (as both winners and losers). Example data: I want the output to be: How I've solved it thus far is to do a for loop such as: Any suggestions how to tackle this problem? The queries take quite some time when the row numbers add up. I've tried elaborating with the AVE function, I can do it for one column to sum a players point as winner but can't figure out how to add their points as loser.
这篇关于如何创建一个列，根据条件累计添加前两行的总和？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
pre $
loser_points_sum <-c （0，2，1，4，5，4，7，4）
test_data< - data.frame（赢家，输家，日期= as.Date（日期），赢家点，输家点，赢家点数，输家点数）
$ b
library（dplyr）
test_data $ winner_points_sum_loop < - 0
test_data $ loser_points_sum_loop < - 0
for（i in row.names（test_data））{
test_data [i， ] $ winner_points_sum_loop < -
（
test_data％>％
dplyr :: filter（winner == test_data [i，] $ winner&日期< test_data [i，] $ date）％>％
dplyr :: summarize（points = sum（winner_points，na.rm = TRUE））
+
test_data％>％
dplyr :: filter（loser == test_data [i，] $ winner& date< test_data [i，] $ date）％>％
dplyr :: summarize（points = sum（loser_points，na .rm = TRUE））
）
}
test_data $ winner_points_sum_loop< - unlist（test_data $ winner_points_sum_loop）
失败者<-c（3,1,1,2,1,1 ，3,1,2）
日期< - c（2017-10-01，2017-10-02，2017-10-03，2017-10-04， 2017-10-05，2017-10-06，2017-10-07，2017-10-08，2017-10-09）
winner_points< - c（2 ，1,2,1,2,1,2,1,2）
loser_points< - c（1,0,1,0,1,0,1,0,1）
test_data < - data.frame（赢家，输家，日期= as.Date（日期），winner_points，loser_points）
图书馆（dplyr）
图书馆（tidyr）
test_data％>％
联合（赢家，赢家，赢家点数）％>％＃联赛赢家列
单位（失败者，失败者，失败者点）％>％＃统一失败者列
collect（类型，pl_pts，赢家，失败者，-date）％>％＃重塑
separate（pl_pts，c（ （玩家，分数），convert = T）％>％＃分隔列
排列（日期）％>％＃订单日期（如果不是）
group_by（玩家）％> ;每个玩家的％＃
mutate（sum_points = cumsum（points） - points）％>％＃获得积分到该日期
ungroup（）％>％＃忘记分组$ b $ （pl_pts_sumpts，player，points，sum_points）％>％＃unite columns
spread（type，pl_pts_sumpts）％>％＃整形
separate（loser，c（loser，loser_points ，loser_points_sum），convert = T）％>％＃分隔列并给出适当的名字
separate（winner，c（winner，winner_poin转换= T）％>％
select（赢家，输家，日期，赢家点数，输家点数，赢家点数，输家点数）＃选择你喜欢的订单
＃＃A tibble：9 x 7
＃赢家失败日期winner_points loser_points winner_points_sum loser_points_sum
＃*< int> < INT> <日期> < INT> < INT> < INT> < INT>
＃1 1 3 2017-10-01 2 1 0 0
＃2 2 1 2017-10-02 1 0 0 2
＃3 3 1 2017-10-03 2 1 1 2
＃4 1 2 2017-10-04 1 0 3 1
＃5 2 1 2017-10-05 2 1 1 4
＃6 3 1 2017-10-06 1 0 3 5
＃7 1 3 2017-10-07 2 1 5 4
＃8 2 1 2017-10-08 1 0 3 7
＃9 3 2 2017-10-09 2 1 5 4
winner <- c(1,2,3,1,2,3,1,2,3)
loser <- c(3,1,1,2,1,1,3,1,2)
date <- c("2017-10-01","2017-10-02","2017-10-03","2017-10-04","2017-10-05","2017-10-06","2017-10-07","2017-10-08","2017-10-09")
winner_points <- c(2,1,2,1,2,1,2,1,2)
loser_points <- c(1,0,1,0,1,0,1,0,1)
test_data <- data.frame(winner, loser, date = as.Date(date), winner_points, loser_points)
winner_points_sum <- c(0, 0, 1, 3, 1, 3, 5, 3, 5)
loser_points_sum <- c(0, 2, 2, 1, 4, 5, 4, 7, 4)
test_data <- data.frame(winner, loser, date = as.Date(date), winner_points, loser_points, winner_points_sum, loser_points_sum)
library(dplyr)
test_data$winner_points_sum_loop <- 0
test_data$loser_points_sum_loop <- 0
for(i in row.names(test_data)) {
test_data[i,]$winner_points_sum_loop <-
(
test_data %>%
dplyr::filter(winner == test_data[i,]$winner & date < test_data[i,]$date) %>%
dplyr::summarise(points = sum(winner_points, na.rm = TRUE))
+
test_data %>%
dplyr::filter(loser == test_data[i,]$winner & date < test_data[i,]$date) %>%
dplyr::summarise(points = sum(loser_points, na.rm = TRUE))
)
}
test_data$winner_points_sum_loop <- unlist(test_data$winner_points_sum_loop)
winner <- c(1,2,3,1,2,3,1,2,3)
loser <- c(3,1,1,2,1,1,3,1,2)
date <- c("2017-10-01","2017-10-02","2017-10-03","2017-10-04","2017-10-05","2017-10-06","2017-10-07","2017-10-08","2017-10-09")
winner_points <- c(2,1,2,1,2,1,2,1,2)
loser_points <- c(1,0,1,0,1,0,1,0,1)
test_data <- data.frame(winner, loser, date = as.Date(date), winner_points, loser_points)
library(dplyr)
library(tidyr)
test_data %>%
unite(winner, winner, winner_points) %>% # unite winner columns
unite(loser, loser, loser_points) %>% # unite loser columns
gather(type, pl_pts, winner, loser, -date) %>% # reshape
separate(pl_pts, c("player","points"), convert = T) %>% # separate columns
arrange(date) %>% # order dates (in case it's not)
group_by(player) %>% # for each player
mutate(sum_points = cumsum(points) - points) %>% # get points up to that date
ungroup() %>% # forget the grouping
unite(pl_pts_sumpts, player, points, sum_points) %>% # unite columns
spread(type, pl_pts_sumpts) %>% # reshape
separate(loser, c("loser", "loser_points", "loser_points_sum"), convert = T) %>% # separate columns and give appropriate names
separate(winner, c("winner", "winner_points", "winner_points_sum"), convert = T) %>%
select(winner, loser, date, winner_points, loser_points, winner_points_sum, loser_points_sum) # select the order you prefer
# # A tibble: 9 x 7
# winner loser date winner_points loser_points winner_points_sum loser_points_sum
# * <int> <int> <date> <int> <int> <int> <int>
# 1 1 3 2017-10-01 2 1 0 0
# 2 2 1 2017-10-02 1 0 0 2
# 3 3 1 2017-10-03 2 1 1 2
# 4 1 2 2017-10-04 1 0 3 1
# 5 2 1 2017-10-05 2 1 1 4
# 6 3 1 2017-10-06 1 0 3 5
# 7 1 3 2017-10-07 2 1 5 4
# 8 2 1 2017-10-08 1 0 3 7
# 9 3 2 2017-10-09 2 1 5 4
