通过R中的列的cumsum拆分data.table

Posted 2021-05-04

如何通过N列的相等累积和来分割data.table？这些数据包括代码，N是每个代码的更大集合中的行数（我在这里没有再现）。

我希望能够通过aprox拆分代码。 5个N的cumsum，产生不同长度行的数据表。但是具有总和约为50,000总N的唯一代码。

实际上，N是随机的，没有图案，但是这样做可以很好地复制小样本的数据：

dt <- dt <- data.table(code=c(1:500),N=c(rep(c(100:500),100),rep(c(100:500),100),rep(c(100:500),100), rep(c(100:500),100), rep(c(100:500),100)))
dt$cumsum <- cumsum(dt$N) 
desired1 <- dt[1:233,] ###first 50,000 cumsum of N
desired2 <- dt[234:359,]
desired3 <- dt[360:565,]
desired4 <- dt[566:713,] ###etc every 50,000 cumsum of N

答案

我们使用%/%创建一个分组变量进行拆分。

dt[, grp := shift(cumsum %/% 50000, fill = 0)]

然后做split

lst <- split(dt, dt$grp)
tail(lst[[1]], 1)
#   code   N cumsum grp
#1:  233 332  50328   0