Question

我正在使用dplyr对数据框中的列进行突变。它包括创建当前行值与到目前为止的最大值的比率（基本上是滞后和cummax组合）。效果很好。除非有NA值，否则以下所有计算均变为NA。

我尝试在此处和此处放置na.omit（），但是虽然可行，但函数失败了，因为na.omit（）干扰了向量的长度，并且崩溃了。

这是我的可复制代码：

v1<-c(NA,100,80,40,NA,30,100,40,20,10,NA,NA,1,NA)
v2<-c(100,100,90,50,NA,-40,NA,-10,NA,NA,NA,1,NA,NA)
group<-c(1,1,1,1,1,1,2,2,2,2,2,3,3,4)

x1<-as.data.frame(cbind(v1,v2,group))


library(dplyr)
for ( i in c("v1","v2")){ 

  x1<-x1 %>% 
    group_by(group) %>%
    mutate( !!sym(paste( i,"_max_lag_ratio", sep="")) :=  get(i)/ lag( as.vector(cummax( get(i)))  , default=first(get(i))))


}

如果我添加na.omit（）如下：

mutate( !!sym(paste( i,"_max_lag_ratio", sep="")) := get(i)/ lag( cummax( na.omit(get(i)))  , default=first( get(i)  )))

我收到以下错误：

Error: Column `column_max_lag_ratio` must be length 1 (the group size), not 0

最可能是因为一个单独的组（第4组）仅具有NA。我该如何使它失效保护？我的真实数据集具有“不完美”数据。非常感谢我的帮助，因为我真的很困。

Answer 1

基于此答案Need to get R cummax but dealing properly with NAs的可行解决方案可能是：

 df %>% 
    replace_na(list(v1=-Inf, v2=-Inf)) %>% 
    group_by(group) %>% 
    mutate(max_v1 = cummax(v1), 
                 max_v2 = cummax(v2)
                 ) %>% 
    group_by(group) %>% 
    mutate(v1_max_lag_ratio = v1/lag(max_v1)) %>% 
    mutate(v2_max_lag_ratio = v2/lag(max_v2))

Answer 2

进行此变通方法并达到目的。

v1<-c(NA,100,80,40,NA,30,100,40,20,10,NA,NA,1,NA)
v2<-c(100,100,90,50,NA,-40,NA,-10,NA,NA,NA,1,NA,NA)
group<-c(1,1,1,1,1,1,2,2,2,2,2,3,3,4)

x1<-as.data.frame(cbind(v1,v2,group))


library(dplyr)
for ( i in c("v1","v2")){ 

  x1<-x1 %>% 
    group_by(group) %>%
    mutate( !!sym(paste( i,"_max_lag_ratio", sep="")) :=  get(i)/(lag( cummax( ifelse(is.na(get(i)), na.omit(get(i) ) ,get(i)))  , default=first(get(i))))
    )  

}

在具有lag和cummax的mutate中添加na.omit（）会导致“错误：列的长度必须为x（组大小）或一个，而不是0”

2 个答案: