Question

我想在每个组中找到lead（）和lag（）元素，但结果有些错误。

例如，数据是这样的：

library(dplyr)
df = data.frame(name=rep(c('Al','Jen'),3),
                score=rep(c(100, 80, 60),2))
df

数据：

  name score
1   Al   100
2  Jen    80
3   Al    60
4  Jen   100
5   Al    80
6  Jen    60

现在我尝试找出每个人的lead（）和lag（）得分。如果我使用arrange（）对其进行排序，我可以得到正确的答案：

df %>%
  arrange(name) %>%
  group_by(name) %>%
  mutate(next.score = lead(score),
         before.score = lag(score) )

OUTPUT1：

Source: local data frame [6 x 4]
Groups: name

      name score next.score before.score
    1   Al   100         60           NA
    2   Al    60         80          100
    3   Al    80         NA           60
    4  Jen    80        100           NA
    5  Jen   100         60           80
    6  Jen    60         NA          100

没有arrange（），结果是错误的：

df %>%
  group_by(name) %>%
  mutate(next.score = lead(score),
         before.score = lag(score) )

OUTPUT2：

Source: local data frame [6 x 4]
Groups: name

  name score next.score before.score
1   Al   100         80           NA
2  Jen    80         60           NA
3   Al    60        100           80
4  Jen   100         80           60
5   Al    80         NA          100
6  Jen    60         NA           80

例如，在第1行，Al的next.score应为60（第3行）。

有人知道为什么会这样吗？为什么arrange（）会影响结果（值，而不仅仅是订单）？感谢〜

Answer 1

似乎你必须将额外的参数传递给lag和lead函数。当我在没有安排的情况下运行你的功能，但添加了order_by时，一切似乎都没问题。

df %>%
group_by(name) %>%
mutate(next.score = lead(score, order_by=name),
before.score = lag(score, order_by=name))

输出：

  name score next.score before.score
1   Al   100         60           NA
2  Jen    80        100           NA
3   Al    60         80          100
4  Jen   100         60           80
5   Al    80         NA           60
6  Jen    60         NA          100

我的sessionInfo（）：

R version 3.1.1 (2014-07-10)
Platform: x86_64-w64-mingw32/x64 (64-bit)

locale:
[1] LC_COLLATE=Polish_Poland.1250  LC_CTYPE=Polish_Poland.1250        LC_MONETARY=Polish_Poland.1250
[4] LC_NUMERIC=C                   LC_TIME=Polish_Poland.1250    

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
[1] dplyr_0.4.1

loaded via a namespace (and not attached):
[1] assertthat_0.1  DBI_0.3.1       lazyeval_0.1.10 magrittr_1.5                parallel_3.1.1  Rcpp_0.11.5    
[7] tools_3.1.1

Answer 2

当您只有一个分组变量时，使用order_by是很好的。在多个分组变量的情况下，我找不到任何解决方案，除了编写和读取表以摆脱分组变量。它对我来说效果很好，但效率取决于桌子的大小。

Answer 3

可能会改为使用DECLARE @date varchar(35) = '04-SEP-12 06.03.45.519068000 PM'; SELECT CONVERT(datetime2(7),STUFF(STUFF(STUFF(V.D,13,1,':'),16,1,':'),27,2,''),9) FROM (VALUES(@date)) V(D);（例如，使用stats::lag软件包还原环境时）。这很容易被忽略，因为它在问题中使用时不会引发错误。只需输入session，使用lag包或通过调用conflicted消除函数调用的歧义即可进行仔细检查。

与group_by（）一起使用时，dplyr：lead（）和lag（）错误

3 个答案: