Question

我有一个这样的data.table，只是具有更多的变量和更多的观察结果：

    name       date salary
 1: Luke 2000-01-01    100
 2: Luke 2000-02-01    120
 3: Luke 2000-03-01    150
 4: Luke 2000-04-01    200
 5: Luke 2000-05-01    800
 6: Luke 2000-06-01   1000
 7: Luke 2000-07-01    900
 8: Luke 2000-08-01    250
 9: Luke 2000-09-01    280
10: Luke 2000-10-01      2
11: Luke 2000-11-01      3
12: Luke 2000-12-01    270
13: Luke 2001-01-01    280
14: John 2008-01-01    500
15: John 2008-02-01    600
16: John 2008-03-01     50
17: John 2008-04-01     40
18: John 2008-05-01     45

对于name的每个值，我想查找与前一个值相比减少或增加50％以上的工资的第一个值，保存该前一个值（在减少或增加之前的值），并将其用作基准以找到另一个工资值，该工资值在该基准值附近+/- 50％之间，然后在这些值之间进行内插。我创建了一个可以确定基准值的百分比变化变量：

    name       date salary lag_salary percent_change interpolate_values
 1: Luke 2000-01-01    100         NA             NA                100
 2: Luke 2000-02-01    120        100      20.000000                120
 3: Luke 2000-03-01    150        120      25.000000                150
 4: Luke 2000-04-01    200        150      33.333333                200
 5: Luke 2000-05-01    800        200     300.000000                 NA
 6: Luke 2000-06-01   1000        800      25.000000                 NA
 7: Luke 2000-07-01    900       1000     -10.000000                 NA
 8: Luke 2000-08-01    250        900     -72.222222                250
 9: Luke 2000-09-01    280        250      12.000000                280
10: Luke 2000-10-01      2        280     -99.285714                 NA
11: Luke 2000-11-01      3          2      50.000000                 NA
12: Luke 2000-12-01    270          3    8900.000000                270
13: Luke 2001-01-01    280        270       3.703704                280
14: John 2008-01-01    500         NA             NA                500
15: John 2008-02-01    600        500      20.000000                600
16: John 2008-03-01     50        600     -91.666667                 50
17: John 2008-04-01     40         50     -20.000000                 40
18: John 2008-05-01     45         40      12.500000                 45

对于卢克来说，第一个基准值是200，因为在此值之后，薪水增加了300％（超过50％），然后我想找到第二个值，该值在该基准值的50％以内=在（100,300）范围内，然后在这些值之间进行插值。因此，在这种情况下，值为250，并且插值将在200和250之间，以替换值800,1000和900。然后，对于Luke，值为280，之后salary减小了50以上％。同样，我想将此280作为基准值，并找到另一个距离该基准50％以内的值-范围（140,420）-并在280和该其他值之间进行插值。该其他值将为270。我想根据此方法用线性插值替换的值在最后一栏中标记为NA。对于John来说，没有插值法，因为从600到50仅有一个变化，而在600以后的50％之内没有值。这是创建此data.table的代码：

name <- c(rep("Luke",13), rep("John",5))
date <- c(seq(as.Date("2000/1/1"), by = "month", length.out = 13), seq(as.Date("2008/1/1"), by = "month", length.out = 5))
salary <- c(100,120,150,200,800,1000,900,250,280,2,3,270,280,500,600,50,40,45)
my_data <- data.table(name,date,salary)

my_data[,lag_salary := lag(salary,1), by = "name"]
my_data[,percent_change := ((salary - lag_salary)/lag_salary)*100]
my_data[,interpolate_values := c(100,120,150,200,NA,NA,NA,250,280,NA,NA,270,280,500,600,50,40,45)]

是否有可能在data.table中实现这一目标？

识别和内插值

0 个答案: