date Wert Änderungen identifizieren und die Daten mit sum() und diff() in R

Question

Beispieldaten zusammenfassen:

product_id <- c("1000","1000","1000","1000","1000","1000", "1002","1002","1002","1002","1002","1002") 
    qty_ordered <- c(1,2,1,1,1,1,1,2,1,2,1,1) 
    price <- c(2.49,2.49,2.49,1.743,2.49,2.49, 2.093,2.093,2.11,2.11,2.11, 2.97) 
    date <- c("2/23/15","2/23/15", '3/16/15','3/16/15','5/16/15', "6/18/15", "2/19/15","3/19/15","3/19/15","3/19/15","3/19/15","4/19/15") 
    sampleData <- data.frame(product_id, qty_ordered, price, date) 

ich jedes Mal identifizieren möchte, wenn eine Änderung in einem Preis aufgetreten. Außerdem möchte ich die Gesamtmenge zwischen diesen beiden Preisänderungsdaten summieren. Beispiel: Für product_id == "1000" wurde der Preis am 16.03.15 von 2,49 auf 1,743 US-Dollar geändert. Die Gesamtmenge ist 1 + 2 + 1 = 4; der Unterschied zwischen diesen beiden frühesten Datum der Preisänderung ist von 23.02.15 bis 16.03.15, die 21 Tage ist.

der neuen Datenrahmen sollte also sein:

product_id sum_qty_ordered price date_diff 
1000   4   2.490    21 
1000   1   1.743   61 
1000   2   2.490   33 

Hier sind, was ich versucht habe:

** Hinweis: für diesen Fall eines einfachen „dplyr::group_by“ wird nicht funktionieren, da es ignoriert der Datumseffekt.

1) fand ich diesen Code aus Determine when columns of a data.frame change value and return indices of the change: Das ist jedes Mal zu identifizieren, wenn der Preis geändert, was das erste Datum zu identifizieren, wenn der Preis für jedes Produkt geändert.

IndexedChanged <- c(1,which(rowSums(sapply(sampleData[,3],diff))!=0)+1) 
sampleData[IndexedChanged,] 

Ich bin aber nicht sicher, wie die sum(qty_ordered) und das Datum Differenz für jeden dieser Einträge zu berechnen, wenn ich diesen Code verwenden.

2) Ich habe versucht, eine While-Schleife zu schreiben, um vorübergehend jede Charge von product_id, Preis, Datumsbereich (zB eine Untergruppe von Datenrahmen mit einem product_id, einem Preis, und alle Einträgen aus dem frühestmöglichen Zeitpunkt des Preises reichte ändere bis zum letzten Datum des Preises, bevor es sich geändert hat), und fasse dann diese Teilmenge zusammen, um die Summe (sum_qty_ordered) und das Datum diff zu erhalten. Allerdings denke ich, ich bin immer verwirrt von WHILE und FOR, also hat mein Code einige Probleme darin. Hier ist mein Code:

einen leeren Datenrahmen für die späteren Datenspeicher

NewData_Ready <- data.frame(
        product_id = character(), 
        price = double(), 
        early_date = as.Date(character()), 
        last_date=as.Date(character()), 
        total_qty_demanded = double(),       
        stringsAsFactors=FALSE) 

erstellen eine temporäre Tabelle erstellen, um die Batch-Preis, um Einträge zu speichern

temp_dataset <- data.frame(
        product_id = character(), 
        qty_ordered = double(), 
        price = double(), 
        date=as.Date(character()),         
        stringsAsFactors=FALSE) 

Schleife: Das ist chaotisch. ..und wahrscheinlich keinen Sinn, also helfe ich wirklich dabei.

Ich habe viel auf verwandten Fragen gesucht, aber ich habe nichts gefunden, die zu diesem Problem noch verwandt sind. Wenn Sie Vorschläge haben, lassen Sie es mich bitte wissen. Bitte geben Sie auch einige Vorschläge zur Lösung meiner Fragen. Ich würde Ihre Zeit und Hilfe sehr schätzen!

Here is my R version: 
platform  x86_64-apple-darwin13.4.0 
arch   x86_64      
os    darwin13.4.0     
system   x86_64, darwin13.4.0   
status          
major   3       
minor   3.1       
year   2016       
month   06       
day   21       
svn rev  70800      
language  R       
version.string R version 3.3.1 (2016-06-21) 
nickname  Bug in Your Hair  

Answer 1

Mit data.table:

library(data.table) 
setDT(sampleData) 

Einige Preprocessing:

sampleData[, firstdate := as.Date(date, "%m/%d/%y")] 

Basierend auf, wie Sie Datum diff berechnen, sind wir besser dran, einen Datumsbereich für jede Zeile zu erstellen:

sampleData[, lastdate := shift(firstdate,type = "lead"), by = product_id] 
sampleData[is.na(lastdate), lastdate := firstdate] 
# Arun's one step: sampleData[, lastdate := shift(firstdate, type="lead", fill=firstdate[.N]), by = product_id] 

Dann eine neue ID für jede Preisänderung erstellen:

sampleData[, price_id := cumsum(c(0,diff(price) != 0)), by = product_id] 

dann Ihre groupwise Funktionen berechnen, durch Produkt- und Preis Lauf:

sampleData[, 
      .(
      price = unique(price), 
      sum_qty = sum(qty_ordered), 
      date_diff = max(lastdate) − min(firstdate) 
      ), 
      by = .(
      product_id, 
      price_id 
      ) 
      ] 

    product_id price_id price sum_qty date_diff 
1:  1000  0 2.490  4 21 days 
2:  1000  1 1.743  1 61 days 
3:  1000  2 2.490  2 33 days 
4:  1002  0 2.093  3 28 days 
5:  1002  1 2.110  4 31 days 
6:  1002  2 2.970  1 0 days 

ich die letzte Preisänderung denke für 1000 nur 33 Tage und der vorhergehende ist 61 (nicht 60). Wenn Sie den ersten Tag angeben, ist es 22, 62 und 34, und die Zeile sollte date_diff = max(lastdate) − min(firstdate) + 1