Berechnung der Verteilung mit data.table

Question

Eine ziemlich einfache Frage hier.

Ich habe die Suche auf alle relevanten Beiträge auf Stackoverflow und Google aber nicht gefunden, um die Antwort zu finden.

Time Price Volume Amount Flag 1: 2016-01-04 09:05:06 105.0 9500 993700 1 2: 2016-01-04 09:20:00 104.1 23500 2446350 0 3: 2016-01-04 09:30:00 104.1 18500 1924550 1 4: 2016-01-04 09:30:01 103.9 12500 1300550 0 5: 2016-01-04 09:30:02 104.1 16118 1675233 1 6: 2016-01-04 09:30:05 104.0 13000 1352200 0 7: 2016-01-04 09:30:06 104.1 2500 260100 1 8: 2016-01-04 09:30:07 104.1 1500 156150 1 9: 2016-01-04 09:30:08 104.3 500 52150 1 10: 2016-01-04 09:30:10 104.0 1000 104000 0 11: 2016-01-04 09:30:11 103.9 1000 103900 0 12: 2016-01-04 09:30:15 104.0 3500 364450 1 13: 2016-01-04 09:30:17 104.3 2000 208450 1 14: 2016-01-04 09:30:19 104.3 1500 156450 1 15: 2016-01-04 09:30:20 104.4 500 52200 1 16: 2016-01-04 09:30:21 104.4 1500 156600 1 17: 2016-01-04 09:30:22 104.4 1000 104400 1 18: 2016-01-04 09:30:24 104.4 1500 156600 1 19: 2016-01-04 09:30:25 104.0 2000 208000 0 20: 2016-01-04 09:30:27 104.1 3500 364350 1

Ähnlich wie bei Vorbereitungsarbeiten für Histogramm oder Hist Objekt, ich möchte bauen Verteilung von Volume nach verschiedenen Ebenen der Price: Es wird auf Find which interval row in a data frame that each element of a vector belongs in und Split a vector into chunks in R

Daten gemacht.

Um genau zu sein:

1. Dividieren der Bereich von Price in N Stücke/Bins (Say, N = 5)
2. Sum up Volume für verschiedene Bins

versucht I split Funktion und mehrere andere wie cut_number Funktion in ggplot2 Paket. Und ich denke, findInterval könnte hilfreich sein und der Code sollte wie folgt sein:

library(data.table) 
dt[, sum(Volume), by = findInterval(Price,cut_number(Price, 5))] # Do not work 
# I think the key should be in `by` part. 
dt[, sum(Volume), by = some functions here] 

Reproduzierbare Daten

dt <- data.table(structure(list(Time 
    = structure(c(1451898306, 1451899200, 
    1451899800,1451899801, 1451899802, 
    1451899805, 1451899806, 1451923195, 
    1451923196,1451923200), class = 
    c("POSIXct", "POSIXt"), tzone = 
    "GMT"),Price = c(105, 104.1, 
    104.1, 103.9, 104.1, 104, 104.1, 103,102.9, 102.9), 
    Volume = c(9500L, 23500L, 18500L, 
    12500L,16118L, 13000L, 2500L, 4000L, 2000L, 1000L), 
    Amount = c(993700L,2446350L, 
    1924550L, 1300550L, 1675233L, 1352200L, 260100L,412000L, 206016L, 102880L), 
    Flag = c(1L, 0L, 1L, 0L, 1L,0L, 
    1L, 1L, 0L, 1L)), .Names = c("Time", 
    "Price", "Volume","Amount", 
    "Flag"), class = c("data.table", 
    "data.frame"), row.names = c(NA,-10L))) 

gewünschten Ausgang (nur für Abbildung):

Price Range Sum 
102.3 - 102.5 300000 
. 
. (Total N bins, thus N rows) 
. 
105.0 - 105.3 500000 

Und auch habe ich versucht, mehrere andere Kombinationen, alle fehlgeschlagen.

Alle Vorschläge sind willkommen! Danke vielmals.

Answer 1

Angenommen, N bezieht sich auf die Anzahl der Teile pro Behälter und nicht auf die Anzahl der Reihen. Es gibt wahrscheinlich einen kürzeren Weg, ohne einen Index zu erstellen. Aber hier ist eine, wo Sie gruppieren und dann

setorder(dt, Price) 
dt[,GROUP:=ceiling(seq_along(Price)/5)][, 
    list(PriceRange=paste(range(Price), collapse=" - "), 
     Volume=sum(Volume)), 
    by="GROUP"] 

---

EDIT nach OP Kommentare

Summe Wenn Sie Bänder gleicher Breite möchten, können Sie diese verwenden:

dt[, sum(Volume), by=cut(Price, 5)] 

Wenn Sie alle Bänder anzeigen möchten, können Sie diese

dt[,Band:=cut(Price, 5)] 
dt[dt[, list(Band=levels(Band))], on="Band"][, sum(Volume, na.rm=TRUE), by="Band"] 

verwenden

HTH