r-如何获得滞后变量的日期差

Question

考虑以下示例：

library(tidyverse)
library(lubridate)
df = tibble(client_id = rep(1:3, each=24),
date = rep(seq(ymd("2016-01-01"), (ymd("2016-12-01") + years(1)), by='month'), 3),
expenditure = runif(72))

在df中，您已经存储了过去2年中来自一群客户的每月支出信息。现在，您需要计算每个客户今年与上一年之间的月度差异。

有什么方法可以保持数据集的"长"格式吗？在这里，我向你展示了我现在的做法，这意味着要走得更远：

df2 = df %>% 
mutate(date2 = paste0('val_',
year(date), 
formatC(month(date), width=2, flag="0"))) %>% 
select(client_id, date2, value) %>% 
pivot_wider(names_from = date2, 
values_from = value)
df3 = (df2[,2:13] - df2[,14:25])

然而，我发现这是不必要的复杂，而且在大型数据集中，从长到宽可能需要相当长的时间，所以我认为必须有更好的方法来做到这一点

Answer 1

如果您想将数据保持为长格式，一种方法是按每个client_id的月份和日期值进行分组，并使用diff计算差异。

library(dplyr)
df %>% 
group_by(client_id, month_date = format(date, "%m-%d")) %>%
summarise(diff = -diff(expenditure))
#   client_id month_date  diff
#       <int> <chr>       <dbl>
# 1         1 01-01       0.278  
# 2         1 02-01      -0.0421 
# 3         1 03-01       0.0117 
# 4         1 04-01      -0.0440 
# 5         1 05-01       0.855  
# 6         1 06-01       0.354  
# 7         1 07-01      -0.226  
# 8         1 08-01       0.506  
# 9         1 09-01       0.119  
#10         1 10-01       0.00819
# … with 26 more rows

Answer 2

带有data.table的选项

library(data.table)
library(zoo)
setDT(df)[, .(diff = -diff(expenditure)), .(client_id, month_date = as.yearmon(date))]