Question

给出如下所示的数据框df

text <- "
parameter,car,qtr,val
a,a3,FY18Q1,23
b,a3,FY18Q1,10000
a,a3,FY18Q2,14
b,a3,FY18Q2,12000
a,cla,FY18Q1,15
b,cla,FY18Q1,12000
c,cla,FY18Q1,5.5
a,cla,FY18Q2,26
b,cla,FY18Q2,10000
c,cla,FY18Q2,6.2
"
df <- read.table(textConnection(text), sep = ",", header = TRUE)

我想为每个b_diff组合添加一个参数car, qtr的行，val作为两个连续b的参数qtr的差异。 qtr升序为FY18Q1, FY18Q2。对于qtr的第一个FY18Q1，val的{{1}}应为NA，因为没有b_diff previous。

预期输出如下。

qtr

如何使用parameter car qtr val a a3 FY18Q1 23 b a3 FY18Q1 10000 b_diff a3 FY18Q1 NA a a3 FY18Q2 14 b a3 FY18Q2 12000 b_diff a3 FY18Q2 2000 a cla FY18Q1 15 b cla FY18Q1 12000 c cla FY18Q1 5.5 b_diff cla FY18Q1 NA a cla FY18Q2 26 b cla FY18Q2 10000 c cla FY18Q2 6.2 b_diff cla FY18Q2 -2000执行此操作？

Answer 1

使用dplyr和purrr的解决方案。我们可以使用group_indices创建一个组ID，并根据它来拆分数据框，汇总数据然后将它们组合起来。 df5是最终输出。

library(dplyr)
library(purrr)

df2 <- df %>% mutate(GroupID = group_indices(., car, qtr))

df3 <- df2 %>%
  filter(parameter %in% "b") %>%
  group_by(car) %>%
  mutate(val = val - lag(val), parameter = "b_diff") %>%
  ungroup() %>%
  split(f = .$GroupID)

df4 <- df2 %>% split(f = .$GroupID)

df5 <- map2_dfr(df4, df3, bind_rows) %>% select(-GroupID)

df5
#    parameter car    qtr     val
# 1          a  a3 FY18Q1    23.0
# 2          b  a3 FY18Q1 10000.0
# 3     b_diff  a3 FY18Q1      NA
# 4          a  a3 FY18Q2    14.0
# 5          b  a3 FY18Q2 12000.0
# 6     b_diff  a3 FY18Q2  2000.0
# 7          a cla FY18Q1    15.0
# 8          b cla FY18Q1 12000.0
# 9          c cla FY18Q1     5.5
# 10    b_diff cla FY18Q1      NA
# 11         a cla FY18Q2    26.0
# 12         b cla FY18Q2 10000.0
# 13         c cla FY18Q2     6.2
# 14    b_diff cla FY18Q2 -2000.0

数据

请注意，最好拥有stringsAsFactors = FALSE。

text <- " parameter,car,qtr,val a,a3,FY18Q1,23 b,a3,FY18Q1,10000 a,a3,FY18Q2,14 b,a3,FY18Q2,12000 a,cla,FY18Q1,15 b,cla,FY18Q1,12000 c,cla,FY18Q1,5.5 a,cla,FY18Q2,26 b,cla,FY18Q2,10000 c,cla,FY18Q2,6.2 " df <- read.table(textConnection(text), sep = ",", header = TRUE, stringsAsFactors = FALSE)

Answer 2

这是一种算法：

将数据重塑为＆＃34; wide＆＃34;格式，以便qtr和car形成一个唯一的行索引，parameter列＆＃34;传播＆＃34;到列
在每个汽车价值中，采用新parameter_b列
将数据重新整形为＆＃34; long＆＃34;格式

使用reshape2和dplyr的等效代码：

# optional. you could just use `c(NA, diff(x))` below, but this is more general
padded_diff <- function(x, lag = 1L) {
  c(rep.int(NA, lag), diff(x, lag = lag))
}

df %>%
  dcast(car + qtr ~ parameter, value.var = "val") %>%
  mutate(b_diff = padded_diff(b)) %>%
  melt(id.vars = c("car", "qtr"), variable.name = "parameter") %>%
  arrange(car, qtr, parameter)

这是另一种算法：

按car
在每个组中，暂时过滤，以便只显示paramter == "b"的行
采用val列
删除过滤器并取消组合

等效代码，仅使用dplyr，使用临时表来模拟＆＃34;可移动的＆＃34;过滤器：

make_b_diff_within_group <- function(df) {
  tmp <- df %>%
    filter(parameter == "b") %>%
    transmute(
      qtr = qtr,
      val = padded_diff(val),
      parameter = "b_diff")

  bind_rows(df, tmp)
}

df %>%
  group_by(car) %>%
  do(make_b_diff_within_group(.)) %>%
  ungroup() %>%
  arrange(car, qtr, parameter)

这个第二个算法可以使用其他几个＆＃34; split-apply-combine＆＃34;范例，包括基R中的tapply或by函数，plyr包中的ddply函数（同一作者的dplyr的祖先）和split方法来自dplyr，如this answer所示。

以长格式向数据框添加行

2 个答案: