R 欠損値のあるデータフレームの累積の計算方法

Question

前提・実現したいこと

使用するデータ(df)および現在の状態は以下の通りです。
t年のcumsum_priceはt-2年とt-1年とt年のpriceの合計です。
例えば2001年A社の場合、cumsum_price=200+202+199=601となります。
現状では過去3年に2002年を含まない年(2005,2006年)のcumsum_priceもNAと表示されています。

name year price cumsum_price
A社 1999 200
A社 2000 202
A社 2001 199 601
A社 2002 NA NA
A社 2003 207 NA
A社 2004 201 NA
A社 2005 201 NA
A社 2006 201 NA
B社 1999 ... ...
B社 2000 ... ...
B社 2001 ... ...

目標は以下のように、過去3年のうち1年もNAのpriceを含まない場合、数値として合計が表示されるようにしたいです。

name year price cumsum_price
A社 1999 200
A社 2000 202
A社 2001 199 601
A社 2002 NA NA
A社 2003 207 NA
A社 2003 201 NA
A社 2003 201 609
A社 2003 201 603
B社 1999 ... ...
B社 2000 ... ...
B社 2001 ... ...

実行したソースコード

"cumsum_price"を作成する際に実行したコードは以下の通りです。

do.call(rbind, c(
  lapply(split(df, df$name),
    function(x) {
      data.frame(x,
        cumsum_price = {
          i = findInterval(x$year-3, x$year)
          w = which(as.logical(i))
          cs = cumsum(x$price)  
          i[w] = cs[i[w]]
          cs - i
      })}), make.row.names=F))

ご回答をいただけると幸いです。

Answer 1

以下の通りになります。

# データフレーム
df <- data.frame(
  "name" = c(rep("A社", 8), rep("B社", 3)),
  "year"  = c(1999:2006, 1999:2001),
  "price_t" = c(200, 202, 199, NA, 207, 201, 201, 201, 202, 203, 201)
)

# cumsum_price 列を計算_
df["cumsum_price"] = apply(df, 1, function(r) {
  y <- as.integer(r["year"])
  sum(df[(df$name == r["name"])&(df$year %in% (y-2):y), "price_t"][1:3])
})

# 表示
print(df)
#
   name year price_t cumsum_price
1   A社 1999     200           NA
2   A社 2000     202           NA
3   A社 2001     199          601
4   A社 2002      NA           NA
5   A社 2003     207           NA
6   A社 2004     201           NA
7   A社 2005     201          609
8   A社 2006     201          603
9   B社 1999     202           NA
10  B社 2000     203           NA
11  B社 2001     201          606

※ ベクタに NA が含まれている場合、sum は NA を返します(sum(1, 2, NA) => NA)。また、y <- as.integer(r["year"]) としているのは apply 関数がデータフレームを一旦 matrix に変換してしまうからです(要素を character 型(string)に変換)。

Comments

[Mayu___]

ご回答ありがとうございます。
仰る通り、過去3年度分の price_t が全て揃っていて、NA を含まない場合のみ総和を出力したいです。
このケースについても教えていただけると嬉しいです。
よろしくお願いいたします。

[Mayu___]

ご回答ありがとうございます！
質問欄で提示したデータでは上手くいったのですが、他のデータ(サンプル数、変数がさらに多いものになります)を使用して同じことを試みた結果、コード8行目について「 (y - 2):y でエラー: 引数が NA/NaN です」というエラーメッセージが表示されている状況です。
もし何か原因に心当たりがありましたら、教えていただけると大変助かります

[melian]

こちらで試してみましたが、考えられる原因としては year 列に NA か NaN が含まれている場合にそのエラーが発生します。そちらのデータを確認していただけますか?

[Mayu___]

ご回答いただきありがとうございます！
仰る通り何らかの不具合でyear列にNAが紛れており、そこを修正した結果上手くいきました
大変助かりました

Answer 2

このような回りくどい処理がほんとうに必要なんでしょうか？
もうちょっと直接的・直感的な処理を試みてはどうでしょうか。

df <- read.table(text="
name   year   price
A社    1999    200 
A社    2000    202 
A社    2001    199
A社    2002    NA  
A社    2003    207 
A社    2004    201
A社    2005    201
A社    2006    201
B社    1999    202
B社    2000    203
B社    2001    201", header=T, stringsAsFactors=F)

cumsum_price <- function(name, year){
  price <- 0
  for(i in 0:2){
    p <- df[df$name==name & df$year==year-i,"price"]
    if(length(p)>0){
      price <- price + p
    }else{
      price <- NA
    }
  }
  return(price)
}

df$cumsum_price <- unlist(sapply(1:nrow(df), function(x){
  cumsum_price(df[x,"name"], df[x,"year"])
} ))

> df
   name year price cumsum_price
1   A社 1999   200           NA
2   A社 2000   202           NA
3   A社 2001   199          601
4   A社 2002    NA           NA
5   A社 2003   207           NA
6   A社 2004   201           NA
7   A社 2005   201          609
8   A社 2006   201          603
9   B社 1999   202           NA
10  B社 2000   203           NA
11  B社 2001   201          606