Question

我的数据如下所示：

  Region X2012 X2013 X2014 X2015 X2016 X2017
1      1    10    11    12    13    14    15
2      2    NA    17    14    NA    23    NA
3      3    12    18    18    NA    23    NA
4      4    NA    NA    15    28    NA    38
5      5    14  18.5    16    27    25    39
6      6    15    NA    17  27.5    NA    39

这里的数字无关紧要，但是我想做的是取每一行中最早观察点和最新观察点之间的差值，为不同之处建立新的列，其中：

Region              Diff
     1     (15 - 10) = 5
     2     (23 - 17) = 6

等等，实际上不是显示减法，而是最终结果。理想情况下，我只是从2012列中减去2017列，但是由于任何行的第一个观察结果都可以在任何列开始，也可以在任何列结束，因此我不确定如何进行区别。

dplyr解决方案将是理想的，但任何解决方案都值得赞赏。

Answer 1

定义一个函数，该函数将其向量参数的最后一个减去第一个元素，从而省略NA，并将其应用于每一行。

lastMinusFirst <- function(x, y = na.omit(x)) tail(y, 1) - y[1]
transform(DF, diff = apply(DF[-1], 1, lastMinusFirst))

给予：

  Region X2012 X2013 X2014 X2015 X2016 X2017 diff
1      1    10  11.0    12  13.0    14    15    5
2      2    NA  17.0    14    NA    23    NA    6
3      3    12  18.0    18    NA    23    NA   11
4      4    NA    NA    15  28.0    NA    38   23
5      5    14  18.5    16  27.0    25    39   25
6      6    15    NA    17  27.5    NA    39   24

注意

可复制形式的输入：

Lines <- "Region X2012 X2013 X2014 X2015 X2016 X2017
1      1    10    11    12    13    14    15
2      2    NA    17    14    NA    23    NA
3      3    12    18    18    NA    23    NA
4      4    NA    NA    15    28    NA    38
5      5    14  18.5    16    27    25    39
6      6    NA    NA    NA    NA    NA    NA"
DF <- read.table(text = Lines)

更新

固定。

Answer 2

一个整洁的答案。

此答案修改了G. Grothendieck的功能，并使用了purrr软件包中的Jenny Bryan's pmap method for row-wise calculations。

import requests
import multiprocessing
from concurrent import futures


def poll_data_1(data):
    response = requests.get('https://breadcrumbscollector.tech/feed/')
    print(f'Got data of length: {len(response.content)} in just {response.elapsed}')


def thread_set(data):
    max_workers = 10
    concurrent = futures.ThreadPoolExecutor(max_workers)
    with concurrent as ex:
        ex.map(poll_data_1, data)


data =range(40)
data1 =[]
for l in data:
    data1.append([l])

# Mutliprocessing
with multiprocessing.Pool(processes=4, maxtasksperchild=1) as pool:
    pool.imap_unordered(thread_set, data1)     
    pool.close()
    pool.join()

给予：

class Question(models.Model):
    id = models.AutoField(primary_key =True)
    question = models.CharField(max_length = 250)

    def __str__(self):
            return self.question

Answer 3

我们可以使用def fist(n) k=2*n-2 for i in range(0,n): for j in range(0,k): k=k-1 print(end=" ') for j in range(0,i+1): print("*",end=" ") print() def second(n) k=2*n-2 for i in range(0,n): for j in range(0,k): k=k-1 print(end=" ') for j in range(0,i+1): print("*",end=" ") print() def stem(m) k=11 for i in range(0,5): for j in range(0,k): print(end=" ") for j in range(0,3): print("*",end=" ") print() first(7) second(7) steam(3)作为其max.col参数。我们用第一个非NA值减去每行中的最后一个非NA值。

ties.method

new_df <- !is.na(df[-1]) df$diff <- df[-1][cbind(seq_len(nrow(new_df)), max.col(new_df, ties.method = "last"))] - df[-1][cbind(seq_len(nrow(new_df)), max.col(new_df, ties.method = "first"))] df # Region X2012 X2013 X2014 X2015 X2016 X2017 diff #1 1 10 11.0 12 13.0 14 15 5 #2 2 NA 17.0 14 NA 23 NA 6 #3 3 12 18.0 18 NA 23 NA 11 #4 4 NA NA 15 28.0 NA 38 23 #5 5 14 18.5 16 27.0 25 39 25 #6 6 15 NA 17 27.5 NA 39 24的答案可能是将tidyverse数据转换为长格式，从而删除gather值，并为每个NA减去Region last value个。

first

在一行的第一和最后观察值之间求差，其中每一行都是不同的

3 个答案:

注意

更新