我有一个data.table，它需要针对指定的分组（ID1，ID2）在前n天的数据（为简单起见，我们使用n = 2，而不是包括当天）来计算移动平均值。移动平均值应尝试包括每个ID1-ID2对的值的最后2天。我想计算移动平均线以两种方式处理NA： 1.仅在有2个非NA观测值时进行计算，否则平均值应为NA（例如，ID1-ID2内的前2天将始终具有NA）。 2.根据最近2天内的所有非NA观测值（na.rm = TRUE吗？）计算移动平均值。
我尝试使用zoo软件包及其中的各种功能。我已经确定了以下内容（使用shift（）排除了平均值中考虑的星期，以相反的顺序显示日期以突出显示最初并不总是按日期排序）：
library(zoo)
library(data.table)
DATE = rev(rep(seq(as.Date("2018-01-01"),as.Date("2018-01-04"),"day"),4))
VALUE =seq(1,16,1)
VALUE[16] <- NA
ID1 = rep(c("A","B"),each=8)
ID2 = rep(1:2,2,each=4)
testdata = data.frame (DATE, ID1, ID2, VALUE)
setDT(testdata)[order(DATE), VALUE_AVG := shift(rollapplyr(VALUE, 2, mean,
na.rm=TRUE,fill = NA)), by = c("ID1", "ID2")]
我似乎很难按多列进行分组。 VALUE以NA值开头/结尾的分组似乎也引起了问题。我对在data.table框架内有意义的任何解决方案持开放态度，尤其是frollmean（需要更新我的R + data.table版本）。我不知道是否需要结合指定的对齐方式（例如“右”）对日期进行不同的排序。
我希望我的输出看起来像以下内容，但按照ID1-ID2分组的最旧日期优先排序：
DATE ID1 ID2 VALUE VALUE_AVG
1: 2018-01-04 A 1 1 2.5
2: 2018-01-03 A 1 2 3.5
3: 2018-01-02 A 1 3 NA
4: 2018-01-01 A 1 4 NA
5: 2018-01-04 A 2 5 6.5
6: 2018-01-03 A 2 6 7.5
7: 2018-01-02 A 2 7 NA
8: 2018-01-01 A 2 8 NA
9: 2018-01-04 B 1 9 10.5
10: 2018-01-03 B 1 10 11.5
11: 2018-01-02 B 1 11 NA
12: 2018-01-01 B 1 12 NA
13: 2018-01-04 B 2 13 14.5
14: 2018-01-03 B 2 14 15.0
15: 2018-01-02 B 2 15 NA
16: 2018-01-01 B 2 NA NA
我的代码似乎可以大致实现示例数据的预期结果。但是，当尝试在大型数据集上平均运行4周（其中ID1和ID2都是整数）时，出现以下错误：
Error in seq.default(start.at, NROW(data), by = by) :
wrong sign in 'by' argument
对于大多数ID1-ID2组合，我的结果似乎正确，但是在ID1的某些特定情况下，VALUE具有前导NA和尾随NA。我猜这是造成问题的原因，尽管上面的示例没有。
答案 0 :(得分：1)
使用shift会使此操作不必要地复杂。 rollapply已经可以自行处理。在rollapplyr中指定：
宽度list(-seq(2))，用于指定它应在偏移量-1和-2上起作用。
partial = TRUE表示如果前面的行少于2行，它将使用其中的任何行。
fill = NA用NA填充空白单元格
na.rm = TRUE删除所有NA，仅对剩余单元格执行均值。如果先前的单元格全都是NA，则表示给出NaN。
仅考虑存在2个先前给出NA的非NA的情况，否则请删除partial = TRUE和na.rm = TRUE参数。
取前2行中非NA的平均值，如果前行较少，则取较少的行。
testdata <- data.table(DATE, ID1, ID2, VALUE, key = c("ID1", "ID2", "DATE"))
testdata[, VALUE_AVG :=
rollapplyr(VALUE, list(-seq(2)), mean, fill = NA, partial = TRUE, na.rm = TRUE),
by = c("ID1", "ID2")]
testdata
给予：
DATE ID1 ID2 VALUE VALUE_AVG
1: 2018-01-01 A 1 4 NA
2: 2018-01-02 A 1 3 4.0
3: 2018-01-03 A 1 2 3.5
4: 2018-01-04 A 1 1 2.5
5: 2018-01-01 A 2 8 NA
6: 2018-01-02 A 2 7 8.0
7: 2018-01-03 A 2 6 7.5
8: 2018-01-04 A 2 5 6.5
9: 2018-01-01 B 1 12 NA
10: 2018-01-02 B 1 11 12.0
11: 2018-01-03 B 1 10 11.5
12: 2018-01-04 B 1 9 10.5
13: 2018-01-01 B 2 NA NA
14: 2018-01-02 B 2 15 NaN
15: 2018-01-03 B 2 14 15.0
16: 2018-01-04 B 2 13 14.5
如果前2行中的任何一行为NA或前行少于2行，则为NA。
testdata <- data.table(DATE, ID1, ID2, VALUE, key = c("ID1", "ID2", "DATE"))
testdata[, VALUE_AVG :=
rollapplyr(VALUE, list(-seq(2)), mean, fill = NA),
by = c("ID1", "ID2")]
testdata
给予：
DATE ID1 ID2 VALUE VALUE_AVG
1: 2018-01-01 A 1 4 NA
2: 2018-01-02 A 1 3 NA
3: 2018-01-03 A 1 2 3.5
4: 2018-01-04 A 1 1 2.5
5: 2018-01-01 A 2 8 NA
6: 2018-01-02 A 2 7 NA
7: 2018-01-03 A 2 6 7.5
8: 2018-01-04 A 2 5 6.5
9: 2018-01-01 B 1 12 NA
10: 2018-01-02 B 1 11 NA
11: 2018-01-03 B 1 10 11.5
12: 2018-01-04 B 1 9 10.5
13: 2018-01-01 B 2 NA NA
14: 2018-01-02 B 2 15 NA
15: 2018-01-03 B 2 14 NA
16: 2018-01-04 B 2 13 14.5
答案 1 :(得分：0)
Maybe something like:
setorder(setDT(testdata), ID1, ID2, DATE)
testdata[order(DATE), VALUE_AVG := shift(
rollapplyr(VALUE, 2L, function(x) if(sum(!is.na(x)) > 0L) mean(x, na.rm=TRUE), fill = NA_real_)
), by = c("ID1", "ID2")]