Question

我有一个名为data的数据框。我使用split函数通过名为KEY的属性拆分数据。

data <- split(data, data$KEY);

通过KEY拆分数据框后，我们得到的是各个公司的数据。数据框数据包含了宇宙中所有公司的数据。拆分后，每个拆分都有两列，年份和销售额。对于每次拆分，我必须计算与每年相对应的增量销售额。例如，如果我们有2002 - 10年，2003年 - 12年，2004年 - 15年，2005年 - 20年的数据。对于每次拆分，我感兴趣的是2003-2,2004-3,2005-5。我编写了一个名为mod_sale的函数来执行上述工作：

data[with(data, order(year)),];
sale_data <- diff(data$SALE);
data <- data[-1,];
data$SALE <- sale_data;
return(data)

目前，我正在使用for循环：

for(key in names(data)){
a <- try(mod_sale(data[[key]]))
if(class(a) == "try-error") next;
mod_data <- rbind(mod_data,a)};

我认为有一些方法，我可以使用sapply（也可能是plyr）。有人可以帮我改进这个R代码吗？不确定代码会有多么流畅。

sapply(data, mod_sale)

任何帮助将不胜感激。感谢。

编辑：

这是一个数据示例：

a <- data.frame();
key <- c(1,1,1,1,2,2,2,2,2,3,3,3);
sales <- c(12,12,15,8,3,6,3,9,9,12,3,7);
year <- c(2002,2003,2004,2005,2001,2002,2003,2004,2005,2003,2004,2005);
ovar <- runif(12,5.0,7.5);
a <- data.frame(key,sales,year,ovar)

在生成的data.frame中，我期待增量销售而非实际销售。显然，3键会丢失3个数据点;每个起始年一个，因为我们正在发挥作用。因此，结果data.frame中将减少三行，其中包含列键，差异（销售额），年份和ovar。

Answer 1

这就是我要做的事情：

a$diffsales <- ave( a$sales, a$key, FUN=function(x) c(NA, diff(x) ) )
a
   key sales year     ovar diffsales
1    1    12 2002 6.845177        NA
2    1    12 2003 6.328153         0
3    1    15 2004 6.872669         3
4    1     8 2005 6.098920        -7
5    2     3 2001 7.154824        NA
6    2     6 2002 6.110810         3
7    2     3 2003 5.906624        -3
8    2     9 2004 5.214369         6
9    2     9 2005 5.818218         0
10   3    12 2003 5.354354        NA
11   3     3 2004 6.728992        -9
12   3     7 2005 7.412213         4

Answer 2

我很欣赏尝试展示您尝试过的内容。谢谢。

将来，尝试提供一个小例子，如下：

df <- data.frame(year = 2001:2010,
                 sale = sample(20,10))

df <- rbind(df,df,df)
df$key <- rep(letters[1:3],each = 10)

这样可以更清楚地了解您的数据是什么样的，并且它使得非常很容易让人们尝试回答。你越容易为我们做，你会得到更快更好的答案。

我建议在拆分之前进行排序：

#Sort first (already sorted, but you get the idea)
df <- df[order(df$key,df$year),]
df_split <- split(df,df$key)

您实际上并不想使用sapply。（试试看看。）你只想要lapply：

out <- lapply(df_split,function(x) {x$sale_diff <- c(NA,diff(x$sale)); x[-1,]})

你可以使用以下方法将它们全部组合在一起：

do.call(rbind,out)

你是对的， plyr 或data.table也可以这样做。我会将这些例子留给其他人。

Answer 3

使用data.table：

library(data.table)
dt = data.table(a)

dt[, sale_diff := c(NA, diff(sales)), by = key]
dt
#    key sales year     ovar sale_diff
# 1:   1    12 2002 7.416857        NA
# 2:   1    12 2003 5.625818         0
# 3:   1    15 2004 5.018934         3
# 4:   1     8 2005 6.671986        -7
# 5:   2     3 2001 6.242739        NA
# 6:   2     6 2002 6.297763         3
# 7:   2     3 2003 6.482124        -3
# 8:   2     9 2004 6.724256         6
# 9:   2     9 2005 5.071265         0
#10:   3    12 2003 6.136681        NA
#11:   3     3 2004 6.974392        -9
#12:   3     7 2005 6.517553         4

R中的Split和Diff函数

3 个答案: