Question

我有以下格式的数据集：

 person surveyDate value
      a       2006    35
      a       2009    44
      b       2005    24
      b       2007    38
      c       2006    51
      c       2007    52
      c       2009    49

...我希望将其重塑为以下内容：

person dateDiff valueDiff
     a        3         9
     b        2        14
     c        3        -2

...其中dateDiff是每个人最早和最新的surveyDate之间的差异，而valueDiff是每个人的最早和最新值之间的差异。请注意，有些人的调查比其他人更多，调查之间的时间也各不相同。

我一直在尝试使用data.table（以及melt / dcast），但尝试使用:= j分配新的列值让我完全难过。其他方法是受欢迎的。速度并不是一个大问题，因为数据集并不是很大。

Answer 1

你可以做到

DT[, .SD[.N] - .SD[1], by = person]

#    person surveyDate value
# 1:      a          3     9
# 2:      b          2    14
# 3:      c          3    -2

如果一个组只有.N==1个观察值，那么差异将显示为零。

或者，......

DT[, lapply(.SD, function(x) x[.N]-x[1]), by = person]

OP报告的速度要快得多。

Answer 2

我在dplyr中的总结还不是很棒，但这里的答案很笨拙：

library(dplyr)
library(magrittr)

person <- c('a', 'a', 'b', 'b', 'c', 'c', 'c')
surveyDate <- c(2006, 2009, 2005, 2007, 2006, 2007, 2009)
value <- c(35, 44, 24, 38, 51, 52, 49)

df <- data.frame(person, surveyDate, value)

value_diff <- function(surveyDate, value) {
    group_df <- data.frame(surveyDate, value)
    earliest_value <- group_df %>% 
        arrange(surveyDate) %>% 
        slice(1) %>% 
        extract2(2)
    latest_value <- group_df %>% 
        arrange(desc(surveyDate)) %>% 
        slice(1) %>% 
        extract2(2)
    diff <- latest_value - earliest_value
}

df %>% 
    group_by(person) %>% 
    summarise(dateDiff = max(surveyDate) -min(surveyDate), 
              valueDiff = value_diff(surveyDate, value))

不定期地重新整理和汇总数据

2 个答案: