Question

我正在尝试使用dplyr / tidyr函数创建两个新变量，方法是使用先前但相关行的数据。在我的示例中，我有一个data.frame，其中包含ID，YEAR和AMOUNT的数据（见下文）。

    ID   YEAR    AMOUNT
    A    2000    4
    B    2000    4
    A    2001    2
    B    2001    3
    A    2002    3
    B    2002    1

我想使用dplyr / tidyr动态创建最后两列（见下文）（我找到了定期执行的方法，但我有兴趣知道如何在dplyr / tidyr的最新版本中执行此操作）

    ID   YEAR    AMOUNT    YtY_VARIANCE    Y_VARIANCE
    A    2000    4         0               0
    B    2000    4         0               0
    A    2001    2         -2              -2
    B    2001    3         -1              -1
    A    2002    3         +1              -1
    B    2002    1         -2              -3

通过减去前一年的金额获得YtY_VARIANCE，通过从第一年减去金额获得Y_VARIANCE（总是）。

我希望这样的代码：

    raw_data %>%
        group_by(ID, YEAR) # Not even sure if that's required?!?
        mutate(YtY_VARIANCE = xxx(), Y_VARIANCE = yyy() )

xxx和yyy应该是什么？！这甚至可能吗？

任何人都可以告诉或指出我的答案？

提前致谢！

Answer 1

你可以尝试

 raw_data %>% 
      group_by(ID) %>% 
      mutate(YtY_VARIANCE=AMOUNT-lag(AMOUNT),
       YtY_VARIANCE=replace(YtY_VARIANCE, which(is.na(YtY_VARIANCE)), 0), 
      Y_VARIANCE=AMOUNT-AMOUNT[1L])
 #      ID YEAR AMOUNT YtY_VARIANCE Y_VARIANCE
 #1  A 2000      4            0          0
 #2  B 2000      4            0          0
 #3  A 2001      2           -2         -2
 #4  B 2001      3           -1         -1
 #5  A 2002      3            1         -1
 #6  B 2002      1           -2         -3

Answer 2

感谢Matthew和Akrun！通过这两种解决方案，我找到了最终的解决方案。

Akrun建议的解决方案在我的简单模型中工作但在我的更大/更复杂/最终模型中仍然存在问题。我最终的最终解决方案是将两者结合起来：

    raw_data %>% 
      group_by(ID) %>%
      arrange(YEAR) %>%
      mutate(YtY_VARIANCE=AMOUNT-lag(AMOUNT),
             YtY_VARIANCE=replace(YtY_VARIANCE, which(is.na(YtY_VARIANCE)), 0), 
             Y_VARIANCE=AMOUNT-first(AMOUNT))

感谢您的帮助！希望它会帮助别人！

R dplyr / tidyr：＆＃34; mutate＆＃34;包含其他观察数据的新列

2 个答案: