Блог

Я создал этот фрейм данных:

 Count <- c(1:10)
Give <- c(0,0,5,0,0,5,0,5,0,5)
X <- c(rep(0,10))
Y <- c(rep(0,10))
Z <- c(rep(0,10))

X_Target <- 5
Y_Target <- 10
Z_Target <- 5
 

В принципе, у меня есть 3 вектора (X, Y, Z) и цель для каждого из них.
Я хочу иметь новое вычисление для X, Y и Z, основанное на заданном векторе.
Как только число в Give больше 0, его необходимо добавить к вектору X, пока оно не сравняется с X_Target. Затем — вычисление должно перейти к следующему вектору (Y) и сделать то же самое, а затем к следующему вектору…

Результат должен быть следующим:

    Count Give X Y  Z
     1    0   0 0  0
     2    0   0 0  0
     3    5   5 0  0
     4    0   5 0  0
     5    0   5 0  0
     6    5   5 5  0
     7    0   5 5  0
     8    5   5 10 0
     9    0   5 10 0
    10    5   5 10 5
 

В этом примере у меня всего 3 вектора, но, пожалуйста, имейте в виду, что у меня будет не менее 60 векторов, поэтому мне нужно, чтобы это было как можно более автоматическим.

Надеюсь, мне удастся объясниться 🙂 Спасибо!

Это некрасиво, но дает желаемый результат.

 
tab1 = data.frame(
  Count = c(1:10),
  Give = c(0,0,5,0,0,5,0,5,0,5),
  X = c(rep(0,10)),
  Y = c(rep(0,10)),
  Z = c(rep(0,10))
)

targets <- c(5,10,5)
tab2 <- tab1
start <- 2

for(col in 3:ncol(tab2)) {
  
  target <- targets[col-2]
  
  
  
  for(row in start:nrow(tab2)) {
    
    if(tab2[row, 2] > 0 amp; tab2[row, col] < target) {
      tab2[row, col] <- pmin(tab2[row - 1, col]   tab2[row, col - 1], target)
    } else {
      tab2[row, col] <- tab2[row - 1, col]
    }
    
  }
  
  start <- which(tab2[, 2] > 0 amp; tab2[, col] == target)[2]
}

> tab2
   Count Give X  Y Z
1      1    0 0  0 0
2      2    0 0  0 0
3      3    5 5  0 0
4      4    0 5  0 0
5      5    0 5  0 0
6      6    5 5  5 0
7      7    0 5  5 0
8      8    5 5 10 0
9      9    0 5 10 0
10    10    5 5 10 5

 

Превратите его во фрейм данных :

 tab1 = data.frame(
  Count = c(1:10),
  Give =c(0,0,5,0,0,5,0,5,0,5),
  X = c(rep(0,10)),
  Y = c(rep(0,10)),
  Z = c(rep(0,10))
)

# create a list of targets for looping
targets = c(X_Target, Y_Target, Z_Target)
 

Без использования data.table вы можете просто поместить все это в цикл. Это будет работать, но будет намного медленнее.

 # loop through each column
for(col in seq(1,length(targets))){
    print(col)
  
  # loop through each row
  for(row in seq(1, dim(tab1[2 col])[1])){
    
    # condition
    while(tab1[row,(2 col)] < targets[col] amp; tab1[row,2]>0){
      tab1[row,(2 col)] = tab1[row,(2 col)]  tab1[row,2] 
    }
  }
}
 

Вот что еще можно попробовать, используя tidyverse .

Поместите свои данные в длинную форму и включите цели с помощью объединения.

В цикле Count найдите первую строку для заданного Count значения, которое находится ниже целевого. Для текущей и следующих строк, которые имеют совпадающие имена (X, Y или Z), добавьте Give сумму.

В конце верните результат в широкую форму.

 library(tidyverse)

df <- data.frame(Count, Give, X, Y, Z) %>%
  pivot_longer(cols = X:Z) %>%
  left_join(data.frame(X_Target, Y_Target, Z_Target) %>%
              pivot_longer(cols = everything(), 
                           names_to = c("name", ".value"), 
                           names_pattern = "(\w )_(\w )")) 

for (i in seq_along(Count)) {
  below_target <- min(which(df$Count == i amp; df$value < df$Target))
  name_rows <- which(df$name == df[below_target, "name", drop = T])
  rows_to_change <- name_rows[name_rows >= below_target]
  df[rows_to_change, "value"] <- df[rows_to_change, "value"]   df[below_target, "Give", drop = T]
}

df %>%
  pivot_wider(id_cols = Count)
 

Вывод

    Count     X     Y     Z
   <int> <dbl> <dbl> <dbl>
 1     1     0     0     0
 2     2     0     0     0
 3     3     5     0     0
 4     4     5     0     0
 5     5     5     0     0
 6     6     5     5     0
 7     7     5     5     0
 8     8     5    10     0
 9     9     5    10     0
10    10     5    10     5
 

Мой подход заключался в том, чтобы использовать совокупные суммы Give , а затем отслеживать, превышает ли это целевые значения для столбцов. Затем выполните некоторую очистку.

 targets <- c(X_Target, Y_Target, Z_Target)
targets_0 <- c(0, targets)
csum_give <- cumsum(Give)

# from cumsum give take off sum of previous targets 
result  <- sapply(1:length(targets), 
            function(x) csum_give - sum(targets_0[1:x]))

# Set max value to target max of column
sapply(1:length(targets), 
    function(x) result[result[, x] > targets[x], x] <<- targets[x])

# set min value to zero
result[which(result < 0)] <- 0


result
#       [,1] [,2] [,3]
#  [1,]    0    0    0
#  [2,]    0    0    0
#  [3,]    5    0    0
#  [4,]    5    0    0
#  [5,]    5    0    0
#  [6,]    5    5    0
#  [7,]    5    5    0
#  [8,]    5   10    0
#  [9,]    5   10    0
# [10,]    5   10    5