Question

使用以下数据集：

set.seed(2)
origin <- rep(c("DEU", "GBR", "ITA", "NLD", "CAN", "MEX", "USA", "CHN", "JPN", "KOR","DEU", "GBR", "ITA", "NLD", "CAN", "MEX", "USA", "CHN", "JPN", "KOR"), 6)
dest <- rep(c("GBR", "ITA", "NLD", "CAN", "MEX", "USA", "CHN", "JPN", "KOR","DEU", "GBR", "ITA", "NLD", "CAN", "MEX", "USA", "CHN", "JPN", "KOR", "DEU"), 6)
year <- rep(c(rep(1998, 10), rep(1999, 10), rep(2000, 10)), 2)
type <- rep(c(1,2,3,4,5), 12)
# type <- sample(1:10, size=length(origin), replace=TRUE)
a <- sample(100:10000, size=length(origin), replace=TRUE)
b <- sample(1000:100000, size=length(origin), replace=TRUE)
data.df <- as.data.frame(cbind(origin, dest, year, type, a,b))
rm(origin, year, dest, type, a,b)

例如，我想计算以下操作：

[a ^{t + 1} _ijk-a ^t _ijk] * b ^t _ik

i是type，j origin和k dest。我决定先用lag.a计算a dplyr的滞后时间：

data.df <- data.df %>%
            group_by(origin, dest, type) %>%
            mutate(lag.a = lag(a, n = 1, default = NA))

即使我不太了解R如何能独自理解，我仍然认为这种方法是正确的……

顺便说一句，这样做我获得了对应于第一部分的结果（a ^{t + 1} _ijk-a ^t _ijk）。我的问题是我现在不知道该怎么做（lag.a ^{t + 1} _ijk * b ^t _ik）...有什么想法吗？

如果可能的话，我想要一个解决方案（dplyr或data.table），并且将lag变量不突变到数据集中，以使其不会过度压缩。

Answer 1

您的代码中有几个问题。首先，像这样创建您的data.frame：

data.df <- data.frame(origin, dest, year, type, a, b)

这将保留所有向量的类。请注意，如果您不希望origin和dest成为因素，只需在stringsAsFactors = FALSE函数中使用参数data.frame()。

接下来，按如下所示创建新变量：

data.df2 <- data.df %>%
  group_by(origin, dest, type) %>%
    arrange(year) %>% 
    mutate(new_var = (a - lag(a)) * b) %>%
  ungroup()

在这里，new_var是您想要的变量。您是对的，dplyr不知道滞后值来自上一个时间段。因此，您必须使用arrange(year)。

R-滞后变量按组计算

1 个答案: