Excel SUMIFS equivalente in R

Question

Sono molto nuovo a R e sto cercando modi di ricreare una macro VBA di Excel e funzioni di foglio di lavoro di Excel come SUMIFS. SUMIFS somma una colonna se la riga contiene voci che corrispondono a più condizioni sulle altre colonne.

Ho il frame di dati sottostante e voglio calcolare una nuova colonna. La nuova colonna è la somma di Sample per tutte le righe che si sovrappongono con l'intervallo-. Ad esempio sulla riga 1 sarebbe 697 (la somma del primo 3 lines). I criteri per la somma specificamente: includono Sample se EndDate >= StartDate[i] & StartDate <=EndDate[i]

StartDate EndDate Sample *SUMIFS example* 
10/01/14 24/01/14 139   *697* 
12/01/14 26/01/14 136 
19/01/14 02/02/14 422 
25/01/14 08/02/14 762 
29/01/14 12/02/14 899 
05/02/14 19/02/14 850 
07/02/14 21/02/14 602 
09/02/14 23/02/14 180 
18/02/14 04/03/14 866 

Qualsiasi commento o puntatori sarebbe molto apprezzato.

Answer 1

Supponendo di avere i dati di cui sopra in un frame di dati chiamati df:

sum(df$Sample[EndDate >= df$StartDate & StartDate <= df$EndDate]) 

Cioè:

• df$Sample[...] seleziona la colonna Sample, alle condizioni specificate nella [...]
• EndDate >= df$StartDate e StartDate <= df$EndDate provengono dal tuo esempio, convertiti in condizioni R, con & in mezzo a richiede che entrambe le condizioni siano vere allo stesso tempo. Si noti che non vi sono indici i nell'espressione. Ecco come funziona in R, l'espressione viene valutata per ogni riga nel frame di dati e il risultato di df$Sample[...] è un vettore di valori, solo i valori in cui l'espressione in [...] era true
• sum è ovviamente un built-in in funzione per calcolare la somma, naturalmente

Answer 2

Si può fare questo con un ciclo o con un unione cartesiana. Non conosco alcuna funzione incorporata per fare esattamente questo.

library(dplyr) 

x = structure(list(StartDate = structure(c(1389312000, 1389484800, 
1390089600, 1390608000, 1390953600, 1391558400, 1391731200, 1391904000, 
1392681600), tzone = "UTC", class = c("POSIXct", "POSIXt")), 
    EndDate = structure(c(1390521600, 1390694400, 1391299200, 
    1391817600, 1392163200, 1392768000, 1392940800, 1393113600, 
    1393891200), tzone = "UTC", class = c("POSIXct", "POSIXt" 
    )), Sample = c(139L, 136L, 422L, 762L, 899L, 850L, 602L, 
    180L, 866L)), .Names = c("StartDate", "EndDate", "Sample" 
), row.names = c(NA, -9L), class = "data.frame") 

x2 = x 
names(x2)=c('StartDate2','EndDate2','Sample2') 
x3 = merge(x,x2,allow.cartesian =T) 
x4 = summarise(group_by(x3,StartDate,EndDate), 
    sumifs=sum(Sample2[EndDate2 >= StartDate & StartDate2 <= EndDate])) 
x_sumifs = merge(x,x4,by=c('StartDate','EndDate')) 

Ecco come appare l'output.

> x_sumifs 
    StartDate EndDate Sample sumifs 
1 2014-01-10 2014-01-24 139 697 
2 2014-01-12 2014-01-26 136 1459 
3 2014-01-19 2014-02-02 422 2358 
4 2014-01-25 2014-02-08 762 3671 
5 2014-01-29 2014-02-12 899 3715 
6 2014-02-05 2014-02-19 850 4159 
7 2014-02-07 2014-02-21 602 4159 
8 2014-02-09 2014-02-23 180 3397 
9 2014-02-18 2014-03-04 866 2498 

Answer 3

Si potrebbe usare lapply/sapply da base R per fare questo. x dal post di @ cameron.bracken.

x$sumifs <- sapply(seq_len(nrow(x)), function(i) with(x, 
      sum(Sample[EndDate >= StartDate[i] & StartDate <= EndDate[i]]))) 

x 
# StartDate EndDate Sample sumifs 
#1 2014-01-10 2014-01-24 139 697 
#2 2014-01-12 2014-01-26 136 1459 
#3 2014-01-19 2014-02-02 422 2358 
#4 2014-01-25 2014-02-08 762 3671 
#5 2014-01-29 2014-02-12 899 3715 
#6 2014-02-05 2014-02-19 850 4159 
#7 2014-02-07 2014-02-21 602 4159 
#8 2014-02-09 2014-02-23 180 3397 
#9 2014-02-18 2014-03-04 866 2498 

Answer 4

È possibile utilizzare la 'da' la funzione per ottenere il valore. In 'by' il frame dei dati è diviso per riga in frame di dati sottostati dai valori di uno o più fattori, e una funzione viene applicata a turno a ogni sottoinsieme.

x$sumifs <- by(Sample[EndDate >= StartDate[i] & StartDate <= EndDate[i]],sum) 

Maggiori informazioni sulla funzione possono essere trovati here