Question

我有一个带密钥和大约1000行的data.table，其中两行设置为key。我想创建一个名为差异的新变量，其中包含按键分组的每个数字行的差异。

例如，简单数据是：ID和Act设置为键

    ID  ValueDate Act Volume
    1 2015-01-01 EUR     21
    1 2015-02-01 EUR     22
    1 2015-01-01 MAD     12
    1 2015-02-01 MAD     11
    2 2015-01-01 EUR      5
    2 2015-02-01 EUR      7
    3 2015-01-01 EUR      4
    3 2015-02-01 EUR      2
    3 2015-03-01 EUR      6

我想要的是：添加一个新列来计算每个组的两行之间的差异（按时间顺序），请注意，对于每个组的第一行，差值为0。

    ID  ValueDate Act Volume Difference
    1 2015-01-01 EUR     21    0
    1 2015-02-01 EUR     22    1
    1 2015-01-01 MAD     12    0
    1 2015-02-01 MAD     11   -1
    2 2015-01-01 EUR      5    0
    2 2015-02-01 EUR      7    2
    3 2015-01-01 EUR      4    0
    3 2015-02-01 EUR      2   -2
    3 2015-03-01 EUR      6    4

以下是生成测试数据的代码：

    dd <- data.table(ID = c(1,1,1,1,2,2,3,3,3), 
                     ValueDate = c("2015-01-01", "2015-02-01", "2015-01-01","2015-02-01", "2015-01-01","2015-02-01","2015-01-01","2015-02-01","2015-03-01"),
                     Act = c("EUR","EUR","MAD","MAD","EUR","EUR","EUR","EUR","EUR"),
                     Volume=c(21,22,12,11,5,7,4,2,6))

为表格设置密钥：

    setkey(dd, ID, Act)

查看数据：

    > dd
       ID  ValueDate Act Volume
    1  1 2015-01-01 EUR     21
    2  1 2015-02-01 EUR     22
    3  1 2015-01-01 MAD     12
    4  1 2015-02-01 MAD     11
    5  2 2015-01-01 EUR      5
    6  2 2015-02-01 EUR      7
    7  3 2015-01-01 EUR      4
    8  3 2015-02-01 EUR      2
    9  3 2015-03-01 EUR      6

那么，我们可以使用聚合函数来计算差异吗？或.SD的方法用于＆＃34;数据的子集，但我不知道如何按组计算两行之间的差异，请注意，对于某些组，行数可能不同，如好吧，但我之前尝试过使用 for（i in 0：x）来重新计算差异，但我认为这不是一个好方法:(

Answer 1

如果您想明确使用密钥，可以将key调用传递给by参数

dd[, Difference := c(0L, diff(Volume)), by = key(dd)]
dd
#    ID  ValueDate Act Volume Difference
# 1:  1 2015-01-01 EUR     21          0
# 2:  1 2015-02-01 EUR     22          1
# 3:  1 2015-01-01 MAD     12          0
# 4:  1 2015-02-01 MAD     11         -1
# 5:  2 2015-01-01 EUR      5          0
# 6:  2 2015-02-01 EUR      7          2
# 7:  3 2015-01-01 EUR      4          0
# 8:  3 2015-02-01 EUR      2         -2
# 9:  3 2015-03-01 EUR      6          4

或者使用data.table v 1.9.6+，您也可以使用shift函数

dd[, Difference := Volume - shift(Volume, fill = Volume[1L]), by = key(dd)]

Answer 2

我们可以使用dplyr。在按“ID”，“行动”进行分组后，我们将“差异”列创建为该列的“卷”和lag的差异。

library(dplyr)
dd %>%
  group_by(ID, Act) %>%
  mutate(Difference = Volume-lag(Volume))

编辑：正如@DavidArenburg所提到的，将lag(Volume)替换为lag(Volume, default = Volume[1L])将为每个组中的第一个元素提供0而不是NA。

或者来自ave的{{1}}，我们可以执行base R并与diff连接，以便长度相同。 0返回一个长度比原始向量长度小的向量。

diff

如何按键计算各种列表的差异？

2 个答案: