[R-es] Frecuencia absoluta acumulada por individuo y por año

["Olivier Nuñez"]

Llego tarde al hilo, pero creo que se llega rápidamente al resultado con la 
complicidad del paquete "reshape2". Si DT es el data.table que escojo Francisco como
ejemplo:

> DT
    ID YEAR CANTIDAD
1: 100 2005        1
2: 100 2005        2
3: 100 2007        1
4: 100 2007        1
5: 100 2007        1
6: 120 2006        1
7: 120 2006        5
8: 120 2006        1
9: 120 2007        3

> require(reshape2)
> temp=dcast.data.table(DT,ID~YEAR,sum,value.var="CANTIDAD")
> temp
    ID 2005 2006 2007
1: 100    3    0    3
2: 120    0    7    3

> res=melt(temp,id.var="ID")
> setkey(res,ID,variable)
> res
    ID variable value
1: 100     2005     3
2: 100     2006     0
3: 100     2007     3
4: 120     2005     0
5: 120     2006     7
6: 120     2007     3
> res[,cumsum:=cumsum(value),by=ID]
> res
    ID variable value cumsum
1: 100     2005     3      3
2: 100     2006     0      3
3: 100     2007     3      6
4: 120     2005     0      0
5: 120     2006     7      7
6: 120     2007     3     10

> subset(res,cumsum>0)
    ID variable value cumsum
1: 100     2005     3      3
2: 100     2006     0      3
3: 100     2007     3      6
4: 120     2006     7      7
5: 120     2007     3     10

Un saludo. Olivier

> En primer lugar, muchas gracias Carlos, Javier Rubén y Daniel por vuestra ayuda. He
> aprendido mucho con cada una de vuestras sugerencias.
>
>
>
> En particular, gracias a Carlos Ortega por el código con el segundo bucle. Está
> curradísimo y me ha parecido muy buena la idea de separarlo en dos bucles. Lo he
> aplicado a mis datos y obtengo:
>
>
>
>    ID YEAR  CUSUM
> 1 100 2005     3
> 2 100 2006     3
> 3 100 2007     9
> 4 120 2006     7
> 5 120 2007     3
>
>
>
> Que es casi lo que busco, pues lo que persigo obtener (diculpa Carlos porque me era
> difícil explicar con palabras y de forma resumida el objetivo) es lo siguiente:
>
>
>
>    ID YEAR  CUSUM
> 1 100 2005     3
> 2 100 2006     3 (se incorporan 0 datos nuevos: siguen habiendo 3 acumulados)
> 3 100 2007     6 (se incorporan 3 datos nuevos: hay 6 acumulados)
> 4 120 2006     7
> 5 120 2007     10 (se incorporan 3 datos nuevos: hay 10 acumulados)
>
>
>
> Carlos, he usado tú código sobre el data frame:
>
>
>
> #  Mi data frame: datos2
>
>
> datos2 <- data.frame(ID = c(rep(100,5),rep(120,4)),
>   FECHA = c("02/08/2005", "19/10/2005", "09/02/2007", "25/10/2007","29/10/2007",
>   "11/05/2006", "17/08/2006", "15/10/2006", "16/04/2007"),
>   CANTIDAD = c(1, 2, 1, 1, 1, 1, 5, 1, 3))
>
> class(datos2$FECHA) # Es un factor
>
> datos2$FECHA <- as.Date(datos2$FECHA,"%d/%m/%Y")
> class(datos2$FECHA) # Ahora ya es una fecha
>
>
>
> # Código
>
> library(sqldf)
>
> df.tmp <- sqldf("select ID,YEAR, sum(CANTIDAD) as cusum from datos2 group by ID,YEAR
> order by ID,YEAR")
>
>
> for(i in 1:nrow(df.tmp)) {
>   if(i==1 ) {
>         df.tmp$difID[i] <- 0
>         df.tmp$difYE[i] <- 0
>
>   }
>   else{
>
>      if(df.tmp$ID[i]!=df.tmp$ID[i-1] & (df.tmp$YEAR[i]-df.tmp$YEAR[i-1] <0)) {
>                 df.tmp$difID[i] <- 0
>                 df.tmp$difYE[i] <- 0
>      } else {
>               df.tmp$difID[i] <- df.tmp$ID[i] - df.tmp$ID[i-1]
>               df.tmp$difYE[i] <- df.tmp$YEAR[i] - df.tmp$YEAR[i-1]
>      }
>   }
> }
> #df.tmp (Lo comento porque no es el resultado finalmente buscado)
>
> #------- Segundo bucle para introducir filas en los saltos de años
> # Introduzco filas cuando el salto de años sea mayor que 2...
> df.new <- 0
> for(i in 1:nrow(df.tmp)) {
>
>   #Copio la fila tal cual cuando la diferencia en años es 0 o menor que dos.
>   if(df.tmp$difYE[i] < 2) {
>
>         df.new <- rbind(df.new, c(df.tmp$ID[i] , df.tmp$YEAR[i],df.tmp$cusum[i]))
>
>   } else {
>     # Si la diferencia en años es mayor que dos, ciclo en años y teniendo
>     #         en cuenta que cusum se acumula...
>     cusum.cont <- df.tmp$cusum[i-1]
>     for(j in 1:(df.tmp$difYE[i]-1) ) {
>         df.new <- rbind(df.new, c(df.tmp$ID[i] , df.tmp$YEAR[i-1]+j
> ,df.tmp$cusum[i-1]))
>         cusum.cont <- cusum.cont + df.tmp$cusum[i-1]
>     }
>     # Y tras ciclar copio la fila en la que estaba
>         df.new <- rbind(df.new, c(df.tmp$ID[i] ,
> df.tmp$YEAR[i],df.tmp$cusum[i]+cusum.cont))
>   }
>
> }
> # df.tmp (Lo comento al ser un data frame intermedio)
>
> # Data frame finalmente buscado: df.new
> df.new <- df.new[2:nrow(df.new),]
> row.names(df.new) <- NULL
> df.new <- as.data.frame(df.new)
> names(df.new) <- c('ID', 'YEAR','CUSUM')
> df.new
>
>
>
>
>
>
>
>
>
>
>
> 	[[alternative HTML version deleted]]
>
> _______________________________________________
> R-help-es mailing list
> R-help-es en r-project.org
> https://stat.ethz.ch/mailman/listinfo/r-help-es
>


--
____________________________________


Olivier G. Nuñez
Email: onunez en unex.es
http://kolmogorov.unex.es/~onunez
Tel : +34 663 03 69 09
Departamento de Matemáticas
Universidad de Extremadura