data.table joins

exercises.R

## generate transactional tables
set.seed(42)
library(data.table)
tx <- data.table(
    item   = sample(letters[1:3], 10, replace = TRUE),
    time   = as.POSIXct(as.Date('2016-01-01')) - runif(10) * 36*60^2,
    amount = rpois(10, 25))
prices <- data.table(
    item  = letters[1:3],
    date  = as.Date('2016-01-01') - 1:2,
    price = as.vector(outer(c(100, 200, 300), c(1, 1.2))))
items <- data.table(
    item   = letters[1:3],
    color  = c('red', 'white', 'red'),
    weight = c(2, 4, 2.5))

## #############################################################################
## filtering and aggregates
## #############################################################################

## TODO filter for the transaction with "b" items

## TODO filter for the transaction with less than 25 items

## TODO filter for the transaction with less then 25 "b" items

## TODO count the number of transactions for each items

## TODO count the number of transactions for each day

## TODO count the overall number of items sold on each day


## #############################################################################
## joins
## #############################################################################

## TODO join tx and items

## TODO count the number of transactions with "red" items

## TODO count the overall revenue per colors

## TODO count the overall weight of items sold on each day

## TODO create a frequency table on the number of sold items per color

## #############################################################################
## wide and long tables
## #############################################################################

## TODO create a frequency table on the number of sold items per color and date

## traditional crosstab
table(tx$color, tx$date)

## TODO recreate the same structure with data.table

## #############################################################################
## rolling joins
## #############################################################################

## TODO find the percentage of amount change between transactions

## TODO did you order the transactions by time first?

## TODO merge the purchase price for the sold items
purchases <- data.table(
    item = letters[1:3],
    date = as.Date('2016-01-01') - c(1, 10),
    cost = as.vector(outer(c(100, 200, 300), c(0.5, 0.75))))

## TODO rolling join on date

## #############################################################################
## overlap joins
## #############################################################################

## TODO count the number of transactions where another tx happened on the
##      same item in the past 1 hour