>我正在尝试使用 dplyr 创建一个窗口函数,它将返回一个新向量,其中包含每个值与其组的第一个值之间的差异。例如,给定此数据集:
dummy <- data.frame(userId=rep(1,6),
libId=rep(999,6),
curatorId=c(1:2,1:2,1:2),
iterationNum=c(0,0,1,1,2,2),
rf=c(5,10,0,15,30,40)
)
这将创建此数据集:
userId libId curatorId iterationNum rf
1 1 999 1 0 5
2 1 999 2 0 10
3 1 999 1 1 0
4 1 999 2 1 15
5 1 999 1 2 30
6 1 999 2 2 40
并给定此分组:
dummy<-group_by(dummy,libId,userId,curatorId)
会给出这个结果:
userId libId curatorId iterationNum rf rf.diff
1 1 999 1 0 5 0
2 1 999 2 0 10 0
3 1 999 1 1 0 -5
4 1 999 2 1 15 -5
5 1 999 1 2 30 25
6 1 999 2 2 40 30
因此,对于每组用户、库和策展人,我将得到 rf 值,减去 rf 值,迭代 Num=0。我尝试使用first
函数、rank
函数和其他函数,但找不到固定的方法。
---编辑---
这是我尝试过的:
dummy %>%
group_by(userId,libId,curatorId) %>%
mutate(rf.diff = rf - subset(dummy,iterationNum==0)[['rf']])
和:
dummy %>%
group_by(userId,libId,curatorId) %>%
mutate(rf.diff = rf - first(x = rf,order_by=iterationNum))
这会使 R 崩溃并返回以下错误消息:
抛出实例后调用的称为终止的纯虚拟方法 的 'Rcpp::exception' what(): 不兼容的大小 (%d), 期望 %d (团体人数)或 1'
我上面评论的两种方法如下。
dummy %>%
group_by(libId, userId, curatorId) %>%
mutate(rf.diff = rf - rf[iterationNum == 0])
#Source: local data frame [6 x 6]
#Groups: libId, userId, curatorId
#
# userId libId curatorId iterationNum rf rf.diff
#1 1 999 1 0 5 0
#2 1 999 2 0 10 0
#3 1 999 1 1 0 -5
#4 1 999 2 1 15 5
#5 1 999 1 2 30 25
#6 1 999 2 2 40 30
或者使用 arrange
按 iterationNum 对数据进行排序:
dummy %>%
arrange(iterationNum) %>%
group_by(libId, userId, curatorId) %>%
mutate(rf.diff = rf - first(rf))
#Source: local data frame [6 x 6]
#Groups: libId, userId, curatorId
#
# userId libId curatorId iterationNum rf rf.diff
#1 1 999 1 0 5 0
#2 1 999 2 0 10 0
#3 1 999 1 1 0 -5
#4 1 999 2 1 15 5
#5 1 999 1 2 30 25
#6 1 999 2 2 40 30
如您所见,两者为示例数据生成相同的输出。