R语言和集算器进行简单的行间运算

行间计算很常见，累计，同期比，环比这些都会涉及到。R语言和集算器都有很好的行间计算能力，但又略有区别。

下面这个案例涉及一些基本的行间运算，可以通过它说明二者的区别：

某公司的销售部门希望统计出优秀的销售员，即给公司提供前一半销售额的销售员。数据主要来自MSSQL数据库的订单表：salesOrder，主要字段包括订单编号：orderID，销售员姓名：name，销售额：sales，订单时间：salesDate。

比较直观的解法是：

1.先按销售员汇总，求得每个销售员的销售额.

2.将上一步的数据按照销售额逆序排序

3.在上一步中求各条记录的累计值。并求出比较标准：公司销售总额的一半。

4.找到上一步中累计值能符合以下条件的销售员的列表：小于等于比较标准；或者虽然大于比较标准，但上一个销售员是小于比较标准的。

 

R语言的具体解法是这样的：

01library(RODBC)

02odbcDataSources()

03conn<-odbcConnect("sqlsvr")

04originalData<-sqlQuery(conn,'select * from salesOrder')

05odbcClose(conn)

06 nameSum<-aggregate(originalData$sales,list(originalData$name),sum)

07names(nameSum)<-c('name','salesSum')

08orderData<-nameSum[rev(order(nameSum$salesSum)),]

09halfSum<-sum(orderData$salesSum)/2

10orderData$addup<-cumsum(orderData$salesSum)

11 subset(orderData,addup<=halfSum| (addup>halfSum & c( 0, addup[- length (addup)]) <halfSum))

下面是集算器的解法：

先看看计算累计值有什么不同：

R语言在line 10使用 cumsum求累计值。

集算器在A4格使用cumulate求累计值。

两者写法都很方便，但esProc的运算原理是针对每条纪录，先算一遍cumulate，然后按照行号#取得这条纪录对应的累计值。而R语言是只计算一遍，因此效率上比集算器高。

把集算器的这句拆成两句可以解决效率的问题，即先单独算累计值列表，再插入到原数据集中。但这种写法又不如只需要一句代码的R语言简练。

 

接着再看计算符合条件的销售员时有什么不同：

R语言在Line 11完成这项计算，主要用了移动行的办法，使用c( 0, addup[- length (addup)])构造了一列新数据。和addup这列相比，新列只是向下移动了一行，去掉了最后一条数据并补上了第一条的0。这样就可以进行比较了：累计值是否小于比较标准? 或者虽然大于比较标准但上一条纪录是否小于比较标准?

R语言不能直接访问相对位置的数据，所以采用了”让相对位置的数据移到当前位置”的办法，虽然效果是一样的，但这个写法不够直观，需要分析者具备较高的逻辑思维能力。

集算器的写法是select(addup<=B3 || (addup>B3 &&addup[-1]<B3))。非常简单清晰！这是集算器特有的相对位置表达方法，即可以用[-1]这种方法表示相对于当前纪录的前1条或后几条纪录。比如A4中的累计值的计算，也可以写成A3.derive(addup[-1]+salesSum:addup)。

和累计值的固定算法不同，这一步算法更自由，集算器的相对位置表达方式比较灵活。

 

通过上面的例子可以看到，相对位置和行间运算运算可以解决很多看似复杂的问题，集算器在表达相对位置时更灵活，因此在进行复杂问题计算时估计会轻松许多。R语言在整列整行的追加以及固定算法方面写法则更加简练。