Question

假设我有一个原始数据集（已经在数据框中，我可以使用as.xts.data.table轻松地将其转换为xts.data.table），DF如下所示：

Date | City | State | Country | DailyMinTemperature | DailyMaxTemperature | DailyMedianTemperature
-------------------------
2018-02-03 | New York City | NY | US | 18 | 22 | 19
2018-02-03 | London | LDN |UK | 10 | 25 | 15
2018-02-03 | Singapore | SG | SG | 28 | 32 | 29
2018-02-02 | New York City | NY | US | 12 | 30 | 18
2018-02-02 | London | LDN | UK | 12 | 15 | 14
2018-02-02 | Singapore | SG | SG | 27 | 31 | 30

等等（更多的城市和更多的日子）。

我想让它显示当前的温度和前一天的日间变化，以及城市（州，国家）的其他信息。即，新数据框应该类似于（来自上面的例子）：

Date | City | State | Country | DailyMinTemperature | DailyMaxTemperature | DailyMedianTemperature| ChangeInDailyMin | ChangeInDailyMax | ChangeInDailyMedian
-------------------------
2018-02-03 | New York City | NY | US | 18 | 22 | 19 | 6 | -8 | 1
2018-02-03 | London | LDN |UK | 10 | 25 | 15 | -2 | -10 | 1
2018-02-03 | Singapore | SG | SG | 28 | 32 | 29 | 1 | 1 | -1
2018-02-03 | New York City | NY | US | ...

等等。即，再添加3列以显示日常变化。

请注意，在数据框中，我可能每天都没有数据，但是我的更改被定义为第t天温度之间的差异 - 最近一天我有温度数据的温度。

我尝试使用shift函数，但R抱怨：= sign。

R中有什么方法可以让它起作用吗？

谢谢！

Answer 1

您可以使用dplyr::mutate_at和lubridate包来转换所需格式的数据。数据需要以日期格式排列，并且可以在dplyr::lag函数的帮助下获取当前记录与先前记录的差异。

library(dplyr)
library(lubridate)

df %>% mutate_if(is.character, funs(trimws)) %>%  #Trim any blank spaces
  mutate(Date = ymd(Date)) %>%                    #Convert to Date/Time
  group_by(City, State, Country) %>%               
  arrange(City, State, Country, Date) %>%         #Order data date
  mutate_at(vars(starts_with("Daily")), funs(Change = . - lag(.))) %>%
  filter(!is.na(DailyMinTemperature_Change))

<强>结果：

# # A tibble: 3 x 10
# # Groups: City, State, Country [3]
# Date       City          State Country DailyMinTemperature DailyMaxTemperature DailyMedianTemperature DailyMinTemperature_Change DailyMaxT~ DailyMed~
#   <date>     <chr>         <chr> <chr>                 <dbl>               <dbl>                  <int>                      <dbl>      <dbl>     <int>
# 1 2018-02-03 London        LDN   UK                     10.0                25.0                     15                      -2.00      10.0          1
# 2 2018-02-03 New York City NY    US                     18.0                22.0                     19                       6.00     - 8.00         1
# 3 2018-02-03 Singapore     SG    SG                     28.0                32.0                     29                       1.00       1.00        -1
#

数据：

df <- read.table(text = "Date | City | State | Country | DailyMinTemperature | DailyMaxTemperature | DailyMedianTemperature 2018-02-03 | New York City | NY | US | 18 | 22 | 19 2018-02-03 | London | LDN |UK | 10 | 25 | 15 2018-02-03 | Singapore | SG | SG | 28 | 32 | 29 2018-02-02 | New York City | NY | US | 12 | 30 | 18 2018-02-02 | London | LDN | UK | 12 | 15 | 14 2018-02-02 | Singapore | SG | SG | 27 | 31 | 30", header = TRUE, stringsAsFactors = FALSE, sep = "|")

R - 具有DoD变化的分组数据

1 个答案: