使用dplyr,我希望将新的数据列总结为分组数据的现有列的滞后版本。
Reprex:
dateidx <- as.Date(c("2019-01-02", "2019-01-032", "2019-01-02", "2019-01-07", "2019-01-07", "2019-01-07", "2019-01-10", "2019-01-10"))
A <- c(100, 100, 200, 200, 200, 300, 400, 135)
B <- c(1500, 2000, 1350, 780, 45, 200, 150, 250)
test.df1 <- data.frame(dateidx, A, B)
> test.df1
dateidx A B
1 2019-01-02 100 1500
2 2019-01-03 100 2000
3 2019-01-02 200 1350
4 2019-01-07 200 780
5 2019-01-07 200 45
6 2019-01-07 300 200
7 2019-01-10 400 150
8 2019-01-10 135 250
目的:
>dateidx <- c("2019-01-02","2019-01-03", "2019-01-07", "2019-01-10")
> sumA <- c(300, 100, 700, 535)
> sumAlag <- c(NA, 300, 100, 700)
> meanB <- c(1425, 2000, 342, 200)
> meanBlag <- c(NA, 1425, 2000, 342)
> test.obj <- data.frame (dateidx2, sumA, sumAlag, meanB, meanBlag)
> test.obj
dateidx sumA sumAlag meanB meanBlag
1 2019-01-02 300 NA 1425 NA
2 2019-01-03 100 300 2000 1425
3 2019-01-07 700 100 342 2000
4 2019-01-10 535 700 200 342
我代码:test.df2 <- test.df1 %>%
group_by(dateidx) %>%
summarise (
sumA = sum(A),
sumAlag = lag(sumA),
meanB = mean(B),
meanBlag =dplyr::lag(meanB)
)
所需结果:
dateidx sumA sumAlag meanB meanBlag
1 2019-01-02 300 NA 1425 NA
2 2019-01-03 100 300 2000 1425
3 2019-01-07 700 100 342 2000
4 2019-01-10 535 700 200 342
实际结果:
> test.df2
# A tibble: 4 × 5
dateidx sumA sumAlag meanB meanBlag
<date> <dbl> <dbl> <dbl> <dbl>
1 2019-01-02 300 NA 1425 NA
2 2019-01-03 100 NA 2000 NA
3 2019-01-07 700 NA 342. NA
4 2019-01-10 535 NA 200 NA
尝试修复:
消歧(如dplyr/plyr:: mutate问题)
创建虚拟变量
使用"order-by"重新指定分组
多年前修复的dplyr错误
来源:
https://dplyr.tidyverse.org/reference/lead-lag.html:但未讨论分组
https://dplyr.tidyverse.org/reference/lead-lag.html:仅在一阶粒度上领先或滞后
dplyr: lead()和lag()在与group_by()一起使用时出错:关于确保延迟消除歧义:其他不相关的问题
分组数据的滞后函数:for python
dplyr跨组滞后:显式滞后而不是群体内部
你想先用summarise
得到和和均值,然后你可以用mutate
语句得到每列的滞后,然后重新排列这些列。
library(tidyverse)
test.df2 <- test.df1 %>%
group_by(dateidx) %>%
summarise(sumA = sum(A),
meanB = mean(B)) %>%
mutate(sumAlag = lag(sumA),
meanBlag = lag(meanB)) %>%
select(dateidx, starts_with("sum"), starts_with("mean"))
dateidx sumA sumAlag meanB meanBlag
<date> <dbl> <dbl> <dbl> <dbl>
1 2019-01-02 300 NA 1425 NA
2 2019-01-03 100 300 2000 1425
3 2019-01-07 700 100 342. 2000
4 2019-01-10 535 700 200 342.