R, data.table: programmatisch Spalte berechneten Daten und Namen aus einer anderen Datentabelle

Question

Ich habe zwei Datentabellen wie folgt hinzufügen:

set.seed(1) 
landing_fees <- data.table(`date`= c(20160101,20160101,20160101, 
      20160102,20160102,20160102,20160103,20160103,20160103), 
      airport=c("LAX","PHX","HNL"), period_a_fee=sample(100:200,9), 
      period_b_fee=sample(100:200,9), period_c_fee=sample(100:200,9)) 
routes <- data.table(origin=c(rep("LAX",4),rep("PHX",4)), 
      destination=c("PHX","HNL","PHX","HNL","LAX","HNL","LAX","HNL"), 
      period=rep(c("period_a","period_a","period_b","period_c"),2)) 

Welche Ausgabe wie folgt:

> landing_fees 
     date airport period_a_fee period_b_fee period_c_fee 
1: 20160101  LAX   126   106   138 
2: 20160101  PHX   137   120   177 
3: 20160101  HNL   156   117   192 
4: 20160102  LAX   189   167   120 
5: 20160102  PHX   119   137   163 
6: 20160102  HNL   186   173   112 
7: 20160103  LAX   197   147   125 
8: 20160103  PHX   162   197   136 
9: 20160103  HNL   158   192   101 
> routes 
    origin destination period 
1: LAX   PHX period_a 
2: LAX   HNL period_a 
3: LAX   PHX period_b 
4: LAX   HNL period_c 
5: PHX   LAX period_a 
6: PHX   HNL period_a 
7: PHX   LAX period_b 
8: PHX   HNL period_c 

der realen Datensätze sind riesig mit Millionen von Ursprung/Ziel Kombinationen und Jahren im Wert von Daten. Ich möchte eine neue Spalte zu der Routentabelle für jedes eindeutige Datum in landing_fees $ date hinzufügen und die Spalte mit dem Datum und _cost (dh 20160101_cost) programmatisch benennen. Dann summieren Sie in jeder neuen Spalte die Gebühr für den Ursprung und die Gebühr für das Ziel (unter Verwendung des passenden Zeitraums) wie in der Tabelle "landing_fees" aufgelistet. Zum Beispiel würde in der routes-Tabelle eine neue Spalte routes $ 20160101_cost erzeugt und der Wert von row 1 wäre: LAX period_a Fee von 126 (aus der Tabelle landing_fees) plus PHX period_a Fee von 137 (aus der Tabelle landing_fees) gleich 263. Die gleiche Berechnung würde für jede Kombination aus Ursprung/Ziel/Zeitraum für jedes Datum durchgeführt.

fertige Ausgabe würde wie folgt aussehen:

origin destination period 20160101_cost 20160102_cost 20160103_cost 
1: LAX   PHX period_a 263   308   359 
2: LAX   HNL period_a 282   375   355 
3: LAX   PHX period_b 226   304   344 
4: LAX   HNL period_c 330   232   226 
5: PHX   LAX period_a 263   308   359 
6: PHX   HNL period_a 293   305   320 
7: PHX   LAX period_b 226   304   344 
8: PHX   HNL period_c 369   275   237 

Da die Datensätze ziemlich groß sein können, ich hoffe, effizientes data.table Skript zu verwenden. Ich benutze data.table Version 1.9.6 auf Windows 7 Maschine.

Answer 1

Sie können dies mit Schmelze und Gießen von data.table tun.

Diese flachen Ihre Kostenmatrix für die Zusammenführung:

lf_flat <- melt(landing_fees, id.vars = c("date", "airport"), variable.name = "period")[, period := gsub("_fee", "", period)] 

zu der Routing-Tabelle Dann verschmelzen, und Zusammenbruch kostete

DT <- merge(routes, lf_flat,by.x = c("origin","period"), by.y = c("airport","period")) 
DT <- merge(DT, lf_flat, by.x = c("destination","period","date"), by.y = c("airport","period","date")) 
DT[, cost := value.x + value.y][,(c("value.x","value.y")) := NULL] 

den Ihnen die konsolidierte Tabelle gibt:

DT 
    destination period  date origin cost 
1:   HNL period_a 20160101 LAX 282 
2:   HNL period_a 20160101 PHX 293 
3:   HNL period_a 20160102 LAX 375 
4:   HNL period_a 20160102 PHX 305 
5:   HNL period_a 20160103 LAX 355 
6:   HNL period_a 20160103 PHX 320 
7:   HNL period_c 20160101 LAX 330 
8:   HNL period_c 20160101 PHX 369 
9:   HNL period_c 20160102 LAX 232 
10:   HNL period_c 20160102 PHX 275 
11:   HNL period_c 20160103 LAX 226 
12:   HNL period_c 20160103 PHX 237 
13:   LAX period_a 20160101 PHX 263 
14:   LAX period_a 20160102 PHX 308 
15:   LAX period_a 20160103 PHX 359 
16:   LAX period_b 20160101 PHX 226 
17:   LAX period_b 20160102 PHX 304 
18:   LAX period_b 20160103 PHX 344 
19:   PHX period_a 20160101 LAX 263 
20:   PHX period_a 20160102 LAX 308 
21:   PHX period_a 20160103 LAX 359 
22:   PHX period_b 20160101 LAX 226 
23:   PHX period_b 20160102 LAX 304 
24:   PHX period_b 20160103 LAX 344 
    destination period  date origin cost 

Ich würde es persönlich so lassen, da es Ihnen die gleichen Daten wie Ihre gewünschte Matrix gibt, aber wi th mehr Flexibilität. Um Ihren gewünschten Status zu erhalten, verwenden Sie:

dcast(DT, origin + destination + period ~ date, value.var = "cost") 
    origin destination period 20160101 20160102 20160103 
1: LAX   HNL period_a  282  375  355 
2: LAX   HNL period_c  330  232  226 
3: LAX   PHX period_a  263  308  359 
4: LAX   PHX period_b  226  304  344 
5: PHX   HNL period_a  293  305  320 
6: PHX   HNL period_c  369  275  237 
7: PHX   LAX period_a  263  308  359 
8: PHX   LAX period_b  226  304  344