У меня есть две таблицы в R
, которые выглядят как следующее:Оптимизация данных. Таблицы в R?
DT.Purchase <- data.frame(ID = c(1,1,1,2,2,3,3,3,3,3,4,4,4,4),
CDS = c("0389","0389", "3298", "4545", "1282", "4545",
"0389","0389", "5685", "4545", "1282", "0389",
"1282", "1282")
Date = c("5/28/2016","5/26/2016","8/9/2016","2/2/2015",
"2/24/2015", "9/27/2015", "9/27/2015", "9/5/2015",
"3/3/2016", "4/9/2014", "5/1/2014", "5/4/2014",
"6/9/2014", "7/7/2014"),
JFK = c(T,F,F,F,T,T,F,F,T,F,T,T,T,F),
RFK = c(F,T,T,F,T,F,F,F,F,T,T,T,T,T),
RUG = c(T,F,T,F,T,F,F,F,F,T,F,F,T,T),
LPG = c(T,T,T,F,F,T,T,F,F,F,F,F,T,F))
DT.Purchase$Date <- as.Date(DT.Purchase$Date, format = "%m/%d/%Y")
DT.Purchase <- data.table(DT.Purchase)
ID CDS Date JFK RFK RUG LPG
1 0389 5/28/2016 T F T T
1 0389 5/26/2016 F T F T
1 3298 8/9/2016 F T T T
2 4545 2/2/2015 F F F F
2 1282 2/24/2015 T T T F
3 4545 9/27/2015 T F F T
3 0389 9/27/2015 F F F T
3 0389 9/5/2015 F F F F
3 5685 3/3/2016 T F F F
3 4545 4/9/2014 F T T F
4 1282 5/1/2014 T T F F
4 0389 5/4/2014 T T F F
4 1282 6/9/2014 T T T T
4 1282 7/7/2014 F T T F
DT.Stay <- data.frame(Stay.ID = c(1,2,3,5,6,9,10,11),
ID = c(1,1,2,3,3,3,4,4),
Start.Date = c('5/26/2016','8/1/2016', '2/1/2015', '3/1/2016',
'9/1/2015', '4/9/2014', '4/7/2014','6/1/2014'),
End.Date = c('6/6/2016','9/1/2016','3/1/2015','3/7/2016',
'9/30/2015','4/14/2014','5/9/2014','7/11/2014'))
DT.Stay$Start.Date <- as.Date(DT.Stay$Start.Date, format = "%m/%d/%Y")
DT.Stay$End.Date <- as.Date(DT.Stay$End.Date, format = "%m/%d/%Y")
DT.Stay <- data.table(DT.Stay)
Stay.ID ID Start.Date End.Date
1 1 5/26/2016 6/6/2016
2 1 8/1/2016 9/1/2016
3 2 2/1/2015 3/1/2015
5 3 3/1/2016 3/7/2016
6 3 9/1/2015 9/30/2015
9 3 4/9/2014 4/14/2014
10 4 4/7/2014 5/9/2014
11 4 6/1/2014 7/11/2014
Теперь в действительности, DT.Purchase
гораздо больше (10 млн наблюдений) и DT.Stay составляет более 50000 наблюдений. Имеются весы для DT.Purchase[ ,.(JFK, RFK, DUG, LPG)]
, что равно c.weights = c(1,2,1,3)
. Эти веса представляют собой собственный вес, который мы рассматриваем. Целью этого является определение закупочных сделок на основе предыдущих покупок и весов. То, что я хотел бы сделать, это определить предыдущий cost.index
, который является суммой всех предыдущих покупок на основе весов и предыдущих для каждого End.Date
для каждого Stay.ID
. Таким образом, окончательный data.table
должен выглядеть
Stay.ID cost.index
1 10
2 16
3 4
5 11
6 10
9 3
10 6
11 10
так, как я сделал это предполагает объединение в соответствии с ID
(allow.cartesian = TRUE
) двух наборов данных и проверки, чтобы увидеть, если Date <= End.Date
. Затем я подставляю весы и sum
для каждого Stay.ID
. Это работает, но я ищу более быстрый способ сделать это. С 10 миллионами и 50000 наблюдениями слияние становится временем и ресурсом.
Пожалуйста, покажите свой код, и предоставляете наборы данных в загружаемом формате – HubertL
Кстати, вы будете иметь трудное время, делая вещи, эффективно используя суррогатное хранение форматы. R поддерживает класс 'Date' и' logical' (с значениями TRUE и FALSE). – Frank