首页 文章

R：多列分组后的Dplyr滞后变量

提问于
浏览 次
0

我想在 Year, State, Tier, Group 分组后计算 score 差异 . 我的数据的程式化表示如下所示：

dat2 <- data.frame(
Year = sample(1990:1996, 10, replace = TRUE),
State = sample(c("AL", "CA", "NY"), 10, replace = TRUE),
Tier = sample(1:2),
Group = sample(c("A", "B"), 10, replace = TRUE),
Score = rnorm(10))

我尝试 mutate 与 group_by_ 和 .dots 然而它从下一个绝对值获得值（即分组似乎不起作用） . 我最感兴趣的是绘制年度差异（ala时间序列，即使有些年份是 NA ），所以这可以通过滞后或计算明年的分数来解决 .

Edit: 因此，如果数据集如下所示：

Year    State    Tier    Group    Score
1990    AL       1       A        75
1990    AL       2       A        100
1990    AL       1       B        5
1990    AL       2       B        10
1991    AL       1       A        95
1991    AL       2       A        80
1991    AL       1       B        5
1991    AL       2       B        15

期望的最终结果是：

Year    State    Tier    Group    Score   Diff
1991    AL       1       A        95      20     
1991    AL       1       B        5       0  
1991    AL       2       A        80      -20
1991    AL       2       B        15      5
r dplyr

1 回答

  • 3

    如果我理解正确，你试图在 Year, State, Tier, Group 的每个组合中计算 Score 的差异？据推测，您的数据将按时间顺序排序，以区分任何意义 . 您的示例很小，可以重复这些组合，但我相信您正在寻找的解决方案是：

    library(dplyr)
dat2 %>% 
 arrange(Year) %>%
 group_by(State, Tier, Group) %>%
 mutate(ScoreDiff = Score - lag(Score))

    使用您当前的代码， ScoreDiff 列有很多 NAs 因为通常赢得't be multiple cases of the same combination of your four variables in just 10 cases. But you can try it with a more general code (I' ve也将起始年份从1990年改为1890年）：

    n <- 100

dat2 <- data.frame(
  Year = sample(1890:1996, n, replace = TRUE),
  State = sample(c("AL", "CA", "NY"), n, replace = TRUE),
  Tier = sample(1:2),
  Group = sample(c("A", "B"), n, replace = TRUE),
  Score = rnorm(n))

dat2 %>%
  arrange(Year) %>%
  group_by(State, Tier, Group) %>%
  mutate(ScoreDiff = Score - lag(Score))
    回复于

相关问题