Question

这是我的df（data.frame）：

group value
1     10
1     20
1     25
2     5
2     10
2     15

我需要按组计算连续行中值之间的差异。

所以，我需要一个结果。

group value diff
1     10    NA # because there is a no previous value
1     20    10 # value[2] - value[1]
1     25    5  # value[3] value[2]
2     5     NA # because group is changed
2     10    5  # value[5] - value[4]
2     15    5  # value[6] - value[5]

虽然，我可以使用ddply来解决这个问题，但这需要花费太多时间。这是因为我的df中有很多小组。（我df中的超过1,000,000个组）

还有其他有效方法可以解决这个问题吗？

Answer 1

包data.table可以使用shift函数快速完成此操作。

require(data.table)
df <- data.table(group = rep(c(1, 2), each = 3), value = c(10,20,25,5,10,15))
#setDT(df) #if df is already a data frame

df[ , diff := value - shift(value), by = group]    
#   group value diff
#1:     1    10   NA
#2:     1    20   10
#3:     1    25    5
#4:     2     5   NA
#5:     2    10    5
#6:     2    15    5
setDF(df) #if you want to convert back to old data.frame syntax

或使用lag

中的dplyr功能

df %>%
    group_by(group) %>%
    mutate(Diff = value - lag(value))
#   group value  Diff
#   <int> <int> <int>
# 1     1    10    NA
# 2     1    20    10
# 3     1    25     5
# 4     2     5    NA
# 5     2    10     5
# 6     2    15     5

对于data.table::shift之前和[{1}}之前的备选方案，请参阅修改。

Answer 2

您可以使用基本功能ave()来实现此功能

df <- data.frame(group=rep(c(1,2),each=3),value=c(10,20,25,5,10,15))
df$diff <- ave(df$value, factor(df$group), FUN=function(x) c(NA,diff(x)))

返回

  group value diff
1     1    10   NA
2     1    20   10
3     1    25    5
4     2     5   NA
5     2    10    5
6     2    15    5

Answer 3

尝试使用tapply

df$diff<-as.vector(unlist(tapply(df$value,df$group,FUN=function(x){ return (c(NA,diff(x)))})))

按组计算连续行中的值之间的差异

3 个答案: