假设我有两个数据集。其中一个包含开始/结束日期的促销清单,另一个包含每个程序的月度销售数据。按日期范围和分类变量组合数据集
promotions = data.frame(
start.date = as.Date(c("2012-01-01", "2012-06-14", "2012-02-01", "2012-03-31", "2012-07-13")),
end.date = as.Date(c("2014-04-05", "2014-11-13", "2014-02-25", "2014-08-02", "2014-09-30")),
program = c("a", "a", "a", "b", "b"))
sales = data.frame(
year.month.day = as.Date(c("2013-02-01", "2014-09-01", "2013-08-01", "2013-04-01", "2012-11-01")),
program = c("a", "b", "a", "a", "b"),
monthly.sales = c(200, 200, 200, 400, 200))
请注意,sales$year.month.day
用于表示年/月。 Day包含在内,因此R可以更简单地将列视为日期对象的向量,但与实际销售额无关。
我需要确定每个程序每月发生的促销次数。下面是产生我想要的输出循环的例子:
sales$count = rep(0, nrow(sales))
sub = list()
for (i in 1:nrow(sales)) {
sub[[i]] = promotions[which(promotions$program == sales$program[i]),]
if (nrow(sub[[i]]) > 1) {
for (j in 1:nrow(sub[[i]])) {
if (sales$year.month.day[i] %in% seq(from = as.Date(sub[[i]]$start.date[j]), to = as.Date(sub[[i]]$end.date[j]), by = "day")) {
sales$count[i] = sales$count[i] + 1
}
}
}
}
输出示例:
sales = data.frame(
year.month.day = as.Date(c("2013-02-01", "2014-09-01", "2013-08-01", "2013-04-01", "2012-11-01")),
program = c("a", "b", "a", "a", "b"),
monthly.sales = c(200, 200, 200, 400, 200),
count = c(3, 1, 3, 3, 2)
)
但是因为我的实际数据集是非常大的,这个循环崩溃时我在R.
运行有没有更高效的方法来达到同样的效果?也许与dplyr有什么关系?
你可以添加所需的输出数据帧吗?我不太了解你的循环输出。此外,如果您对每个计划每月的促销数量感兴趣,为什么需要销售数据框? – thepule
我编辑了帖子以包含我的循环的输出。该循环将“计数”列添加到原始销售数据框架。 – heo
对于我的分析,我需要每个程序的销售额和每月促销数量,所以是的,销售数据框是必要的。 – heo