Question

我有一张房价和销售日期的表。我想使用跑步者套餐计算365天时间范围内的滚动中位数价格。我只希望每个日期一个中间价格。

我的问题是，当我尝试以下代码时，如果某个日期出现多次，则该日期将获得一个以上的中位数价格。这不是我所期望的。我以为如果使用group_by / summarise，每天都会有一个结果。

library(runner)
library(tidyverse)
library(lubridate)

startDate = as_date("2018-01-01")
endDate = as_date("2020-01-01")

# Create data
soldData <- tibble(
  price = round(rnorm(100, mean=500000, sd=100000),-3),
  date = sample(seq.Date(startDate,endDate,by="days"),100,replace=T))

# Fill in the missing dates between startDate and endDate
soldData <- bind_rows(soldData,anti_join(tibble(date=seq.Date(startDate,endDate,by="day")),soldData)) %>%
  arrange(date)

# Find the duplicated dates
duplicatedDates <- soldData[duplicated(soldData$date),]$date

# I thought using group_by/summarise would return one medianPrice per date
results <- soldData %>%
  group_by(date) %>%
  summarise(medianPrice = runner(
    price,
    k = "365 days",
    idx = date,
    f = function(x) {median(x,na.rm=T)})) 

# These are the problem rows.
duplicatedResults <- results %>%
  filter(date %in% duplicatedDates)

知道我要去哪里哪里吗？

Answer 1

从dplyr 1.0.0开始，您可以得到从summarise返回多行的输出。

首先，您需要处理数据中已经存在的重复数据。您想怎么办多次出现的日期？一种方法是采用其中的median / mean。

library(dplyr)
library(runner)

soldData %>%
  group_by(date) %>%
  summarise(price = median(price, na.rm = TRUE)) -> df

因此，在df中，每个date只有一个值。您现在可以应用runner函数。

df %>%
    mutate(medianPrice = runner(price,
                                k = "365 days",
                                idx = date,
                                f = function(x) {median(x,na.rm=T)}))

还有zoo:rollmedianr可以帮助计算滚动中位数。

使用亚军包汇总组

1 个答案: