如何解决使用 data.table
我有一些足球数据(2020/2021 意甲),我想计算每支球队在过去 n 天里的比赛数量(可以说是在过去 30 天里简化)。因此,条件是球队,比赛当天(严格小于)和同一天 - 30(大于或等于)。
我想知道使用 data.table(单独)的最佳方法是什么,更重要的是,代码背后的逻辑。我会遍历团队和日期,但我认为这很麻烦,而且我相信有一种方法可以在一行中完成。
下面给出了一个示例,结果是我所期望的(日期和日期可能会产生误导,因为有些比赛被推迟了,但这并不重要。数据按日期分类)。非常感谢。
代码 | 团队 | 日期 | 日 | 日期 - 30 天 | 过去 30 天内玩过的游戏 |
---|---|---|---|---|---|
TORATA | 亚特兰大 | 2020-09-26 | 2 | 2020-08-27 | 不适用 |
拉扎塔 | 亚特兰大 | 2020-09-30 | 1 | 2020-08-31 | 1 |
ATACAG | 亚特兰大 | 2020-10-04 | 3 | 2020-09-04 | 2 |
NAPATA | 亚特兰大 | 2020-10-17 | 4 | 2020-09-17 | 3 |
ATASAM | 亚特兰大 | 2020-10-24 | 5 | 2020-09-24 | 4 |
克罗地亚 | 亚特兰大 | 2020-10-31 | 6 | 2020-10-01 | 3 |
ATAINT | 亚特兰大 | 2020-11-08 | 7 | 2020-10-09 | 3 |
解决方法
这是一个实现,只有 data.table
和基础 R:
dat[,z := sapply(Date,function(z) sum(between(z - Date,0.1,30)))]
dat
# Code Team Date Day Date...30d Games.played.over.the.last.30.days z
# <char> <char> <Date> <int> <Date> <int> <int>
# 1: TORATA Atalanta 2020-09-26 2 2020-08-27 NA 0
# 2: LAZATA Atalanta 2020-09-30 1 2020-08-31 1 1
# 3: ATACAG Atalanta 2020-10-04 3 2020-09-04 2 2
# 4: NAPATA Atalanta 2020-10-17 4 2020-09-17 3 3
# 5: ATASAM Atalanta 2020-10-24 5 2020-09-24 4 4
# 6: CROATA Atalanta 2020-10-31 6 2020-10-01 3 3
# 7: ATAINT Atalanta 2020-11-08 7 2020-10-09 3 3
在这种情况下,对于每个 Date
值,我们计算其 30 天内有多少个日期。
如果您需要 NA
代替 0
,那么您可以添加 dat[z < 1,z := NA]
或类似内容。
数据:
library(data.table)
dat <- structure(list(Code = c("TORATA","LAZATA","ATACAG","NAPATA","ATASAM","CROATA","ATAINT"),Team = c("Atalanta","Atalanta","Atalanta"),Date = structure(c(18531,18535,18539,18552,18559,18566,18574),class = "Date"),Day = c(2L,1L,3L,4L,5L,6L,7L),Date...30d = structure(c(18501,18505,18509,18522,18529,18536,18544),Games.played.over.the.last.30.days = c(NA,2L,3L)),class = c("data.table","data.frame"),row.names = c(NA,-7L))
setDT(dat)
,
您可以将 runner
与 data.table
结合使用来计算正在运行的 Date
窗口数:
library(data.table)
library(runner)
setDT(data)
data[,Date:=as.Date(Date,'%Y-%m-%d')]
data[,N:=runner::runner(
x = Date,k = 30,# 30-days window
lag = 1,idx = Date,f = length),by=Team][]
Code Team Date Day Date30d Games30days N
1: TORATA Atalanta 2020-09-26 2 2020-08-27 NA 0
2: LAZATA Atalanta 2020-09-30 1 2020-08-31 1 1
3: ATACAG Atalanta 2020-10-04 3 2020-09-04 2 2
4: NAPATA Atalanta 2020-10-17 4 2020-09-17 3 3
5: ATASAM Atalanta 2020-10-24 5 2020-09-24 4 4
6: CROATA Atalanta 2020-10-31 6 2020-10-01 3 3
7: ATAINT Atalanta 2020-11-08 7 2020-10-09 3 3
数据:
data <- read.table(text='
Code Team Date Day Date30d Games30days
TORATA Atalanta 2020-09-26 2 2020-08-27 NA
LAZATA Atalanta 2020-09-30 1 2020-08-31 1
ATACAG Atalanta 2020-10-04 3 2020-09-04 2
NAPATA Atalanta 2020-10-17 4 2020-09-17 3
ATASAM Atalanta 2020-10-24 5 2020-09-24 4
CROATA Atalanta 2020-10-31 6 2020-10-01 3
ATAINT Atalanta 2020-11-08 7 2020-10-09 3',header=T)
,
您可以通过一行代码实现这一点,使用表与自身的非等连接。
假设 fb
是您的输入数据(没有 Games30days
列)。像这样:
Code Team Date Day Date - 30d
1: TORATA Atalanta 2020-09-26 2 2020-08-27
2: LAZATA Atalanta 2020-09-30 1 2020-08-31
3: ATACAG Atalanta 2020-10-04 3 2020-09-04
4: NAPATA Atalanta 2020-10-17 4 2020-09-17
5: ATASAM Atalanta 2020-10-24 5 2020-09-24
6: CROATA Atalanta 2020-10-31 6 2020-10-01
7: ATAINT Atalanta 2020-11-08 7 2020-10-09
然后,只需在 Team=Team
、Date<Date
和 Date>Date - 30d
上进行联接,如下所示:
games_played = fb[fb,on=.(Team = Team,Date<Date,Date>`Date - 30d`),nomatch=0][,.("Games30" = .N),.(Date,Team)]
哪个返回
Date Team Games30
1: 2020-09-30 Atalanta 1
2: 2020-10-04 Atalanta 2
3: 2020-10-17 Atalanta 3
4: 2020-10-24 Atalanta 4
5: 2020-10-31 Atalanta 3
6: 2020-11-08 Atalanta 3
该结果可以很容易地连接回原始数据,以获取所有列,如下所示:
games_played[fb,on=.(Team,Date)]
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。