Question

我有一个如下所示的数据集：

groups <- c(1:20)
values1 <- c(1,3,2,4,2,5,1,6,2,7,3,5,2,6,3,5,1,5,3,4)
values2 <- c(3,2,4,1,5,2,4,1,3,2,6,1,4,2,5,3,7,1,4,2)
sample.data <- data.frame(groups,values1,values2)
head(sample.data)

  groups values1 values2
1      1       1       3
2      2       3       2
3      3       2       4
4      4       4       1
5      5       2       5
6      6       5       2

描述：一个数据帧，包含20组20个不同组的值（values1和values2）。数字遵循以下模式：（1）数字可选择高点和低点（2）如果values1列中的数字高于其相邻的2个数字，则values2列中的相应数字将低于其相邻的2个数字（如示例中所示）< / p>

我想从这些数字中计算出的值称为“delta值”（dV） - 计算为高值数字与其相邻的2个低值数字的平均值之间的差值。例如，对于values1列（1,3,2）的第一个3数集，第一个dV将是3 - （（2 + 1）/ 2）= 1.5;然后将该组的最后一个数作为下一组的第一个数，进行相同的计算，因此第二个dV为4 - （（2 + 2）/ 2）= 2;等等。然后在名为values1的新列中记录dV1列的所有这些dV值。对values2列执行相同操作，并在新dV2列中记录所有dV值。请注意，在values2列中，第一个数字高于第二个数字，因此忽略它并使用下一个3数字集（2,4,1）开始计算并重复上述计算。 / p>

那么如何在R中执行此计算？

提前谢谢！

P / S：对不起，这是一个很长的问题，但我认为它有计算所需的全部信息。

Answer 1

由于您希望使用dV值进行绘图，因此最简单的做法是两次，每列一次

library(dplyr)
sample.data1 <- sample.data %>% 
  mutate(alt = row_number()%%2,
         mean_adj_1 = (lag(values1) + lead(values1))/2,
         dV1 = (values1 - mean_adj_1) * (1-alt)) %>% 
  filter(alt == 0 & !is.na(dV1)) %>% 
  select(-c(alt:mean_adj_1))

sample.data.2 <- sample.data %>% 
  mutate(alt = row_number()%%2,
         mean_adj_2 = (lag(values2) + lead(values2))/2,
         dV2 = (values2 - mean_adj_2) * alt) %>% 
  filter(alt == 1 & !is.na(dV2)) %>% 
  select(-c(alt:mean_adj_2))

说明：这可以用更少的步骤完成，但这样你就可以看到发生了什么。 mean_adj列可以获得前后行的平均值，而alt列可以让您将零添加到您不希望dV计算的行中。 dV列只是value - mean_adj。

结果：

 > sample.data.1
  groups values1 values2 dV1
1      2       3       2 1.5
2      4       4       1 2.0
3      6       5       2 3.5
4      8       6       1 4.5
5     10       7       2 4.5
6     12       5       1 2.5
7     14       6       2 3.5
8     16       5       3 3.0
9     18       5       1 3.0
> sample.data.2
  groups values1 values2 dV2
1      3       2       4 2.5
2      5       2       5 3.5
3      7       1       4 2.5
4      9       2       3 1.5
5     11       3       6 4.5
6     13       2       4 2.5
7     15       3       5 2.5
8     17       1       7 5.0
9     19       3       4 2.5

如何在R中进行此计算？

1 个答案: