Question

很可能会暴露我是R的新手，但在SPSS中，运行滞后非常容易。显然这是用户错误，但我缺少什么？

x <- sample(c(1:9), 10, replace = T)
y <- lag(x, 1)
ds <- cbind(x, y)
ds

结果：

      x y
 [1,] 4 4
 [2,] 6 6
 [3,] 3 3
 [4,] 4 4
 [5,] 3 3
 [6,] 5 5
 [7,] 8 8
 [8,] 9 9
 [9,] 3 3
[10,] 7 7

我想我会看到：

     x y
 [1,] 4 
 [2,] 6 4
 [3,] 3 6
 [4,] 4 3
 [5,] 3 4
 [6,] 5 3
 [7,] 8 5
 [8,] 9 8
 [9,] 3 9
[10,] 7 3

非常感谢任何指导。

Answer 1

另一种解决方法是使用zoo包，它有一个滞后方法，用NA填充结果：

require(zoo)
> set.seed(123)
> x <- zoo(sample(c(1:9), 10, replace = T))
> y <- lag(x, -1, na.pad = TRUE)
> cbind(x, y)
   x  y
1  3 NA
2  8  3
3  4  8
4  8  4
5  9  8
6  1  9
7  5  1
8  9  5
9  5  9
10 5  5

结果是一个多变量动物园对象（它是一个增强矩阵），但很容易通过

转换为data.frame

> data.frame(cbind(x, y))

Answer 2

我有同样的问题，但我不想使用zoo或xts，所以我写了一个简单的lag function for data frames：

lagpad <- function(x, k) {
  if (k>0) {
    return (c(rep(NA, k), x)[1 : length(x)] );
  }
  else {
    return (c(x[(-k+1) : length(x)], rep(NA, -k)));
  }
}

这可能会向前或向后延迟：

x<-1:3;
(cbind(x, lagpad(x, 1), lagpad(x,-1)))
     x      
[1,] 1 NA  2
[2,] 2  1  3
[3,] 3  2 NA

Answer 3

lag不会移动数据，它只会改变“时基”。 x没有“时基”，因此cbind无法按预期工作。试试cbind(as.ts(x),lag(x))并注意“滞后”为1会将期间向前移动。

我建议使用zoo / xts作为时间序列。 zoo小插曲特别有用。

Answer 4

lag()适用于时间序列，而您尝试使用裸矩阵。 This old question建议改为使用embed，如下所示：

lagmatrix <- function(x,max.lag) embed(c(rep(NA,max.lag), x), max.lag+1)

例如

> x
[1] 8 2 3 9 8 5 6 8 5 8
> lagmatrix(x, 1)
      [,1] [,2]
 [1,]    8   NA
 [2,]    2    8
 [3,]    3    2
 [4,]    9    3
 [5,]    8    9
 [6,]    5    8
 [7,]    6    5
 [8,]    8    6
 [9,]    5    8
[10,]    8    5

Answer 5

仅使用标准R函数，可以通过更简单的方式实现：

x <- sample(c(1:9), 10, replace = T)
y <- c(NA, head(x, -1))
ds <- cbind(x, y)
ds

Answer 6

现在对我来说最简单的方法如下：

require(dplyr)
df <- data.frame(x = sample(c(1:9), 10, replace = T))
df <- df %>% mutate(y = lag(x))

Answer 7

tmp<-rnorm(10)
tmp2<-c(NA,tmp[1:length(tmp)-1])
tmp
tmp2

Answer 8

这应该适应向量或矩阵以及负滞后：

lagpad <- function(x, k=1) {
  i<-is.vector(x)
  if(is.vector(x)) x<-matrix(x) else x<-matrix(x,nrow(x))
  if(k>0) {
      x <- rbind(matrix(rep(NA, k*ncol(x)),ncol=ncol(x)), matrix(x[1:(nrow(x)-k),], ncol=ncol(x)))
  }
  else {
      x <- rbind(matrix(x[(-k+1):(nrow(x)),], ncol=ncol(x)),matrix(rep(NA, -k*ncol(x)),ncol=ncol(x)))
  }
  if(i) x[1:length(x)] else x
}

Answer 9

使用data.table：

> x <- sample(c(1:9), 10, replace = T)
> y <- data.table::shift(x)
> ds <- cbind(x, y)
> ds
      x  y
 [1,] 5 NA
 [2,] 4  5
 [3,] 3  4
 [4,] 3  3
 [5,] 4  3
 [6,] 8  4
 [7,] 1  8
 [8,] 7  1
 [9,] 9  7
[10,] 7  9

Answer 10

执行相同操作的简单方法可能是将数据复制到新数据框架和更改索引号。确保原始表按顺序索引，没有间隙

e.g。

tempData <- originalData
rownames(tempData) <- 2:(nrow(tempData)+1)

如果你想在与原版相同的数据框中使用cbind函数

Answer 11

base R中有两个选项，data.table中有两个选项：

baseShiftBy1 <- function(x) c(NA, x[-length(x)])
baseShiftBy1(x)
[1] NA  3  8  4  8  9  1  5  9  5

data.table::shift(x)
[1] NA  3  8  4  8  9  1  5  9  5

数据：

set.seed(123)
(x <- sample(c(1:9), 10, replace = T))
[1] 3 8 4 8 9 1 5 9 5 5

Answer 12

我采用了类似于Andrew's的解决方案（专用功能而不是Input - Output 1L - 002L 03R - 004L 483L - 484L 232R 233L 234L - 235L 08L 009L - 010L 4L 005R 6R - 007L 89L 90R 91L - 092L或xts），但是我采用了更简洁的表达方式：

zoo

Answer 13

摆脱滞后。将y的行更改为：

y <- c(NA, x[-1])

R向量/数据帧中的基本滞后

13 个答案: