基于多种条件的时间序列的滞后累计总和

Question

我想在较小列中的每个名称中的相应记录的累积总和 self_a 和toxt_b作为两个新列，并将它们放在同一行中，而不包括该行的值。 较小的列列出了哪个物种列的宽度较小。

  Species_a Species_b Sepal.Width_a Sepal.Width_b  Date        smaller
1 versicolor virginica           2.5           3.0 2022-05-05       a
2 versicolor virginica           2.6           2.8 2022-04-04       a
3 versicolor    setosa           2.2           4.4 2021-03-03       a
4     setosa virginica           4.2           2.5 2021-02-02       b
5  virginica    setosa           3.0           3.4 2020-01-01       a

理想情况下，数据的格式将以与现在相同的格式，总结将基于较小的，date，toxt_a 代码>和self_b列单独使用。我试图创建一个计数列，但根据date，我被卡在适当地累积的位置，小于该列的当前值。

我所需的输出将如下：

   Species_a Species_b Sepal.Width_a Sepal.Width_b       Date smaller smaller_sum_a smaller_sum_b
1 versicolor virginica           2.5           3.0 2022-05-05       a             2             2
2 versicolor virginica           2.6           2.8 2022-04-04       a             1             2
3 versicolor    setosa           2.2           4.4 2021-03-03       a             0             0
4     setosa virginica           4.2           2.5 2021-02-02       b             0             1
5  virginica    setosa           3.0           3.4 2020-01-01       a             0             0

代码：

library(tidyverse)
set.seed(12)

data_a <- iris[sample(1:nrow(iris)), ] %>% 
  head()
colnames(data_a) <- paste0(colnames(data_a), "_a")

data_b <- iris[sample(1:nrow(iris)), ] %>% 
  tail()
colnames(data_b) <- paste0(colnames(data_b), "_b")

data <- bind_cols(data_a, data_b) %>% 
  filter(Species_a != Species_b) %>% 
  select(Species_a,
         Species_b, 
         Sepal.Width_a,
         Sepal.Width_b) %>% 
  mutate(Date = c('2022-05-05', '2022-04-04', '2021-03-03', '2021-02-02', '2020-01-01'),
         smaller = ifelse(Sepal.Width_a > Sepal.Width_b, 'b', 
                          ifelse(Sepal.Width_a < Sepal.Width_b, 'a', NA)))

Answer 1

我不知道这是否是解决方案，但这可能是一个开始。

新列如何计算如何？看起来smalle_sum_a是物种a具有较小值的连续行数。但是我不认为smalle_sum_b也不适用吗？还是只是累积的天数，每个物种具有较小的值，减去1，但是如果该行中的物种不小（同样，则不会检查smalle_sum_b，又不要查看。尽管...）。

因为确定date是否小于当前值，首先，您要告诉R您的date列实际上是日期，而不仅仅是一个字符。

查看其格式的最简单方法是使您的data（不是数据的好名称btw），最好使其成为R或计算机不使用的东西，例如my_data）tibble而不是data.frame。 tibble s告诉您每列的格式是什么。

data %>% 
  tibble 

# # A tibble: 5 x 6
#   Species_a  Species_b Sepal.Width_a Sepal.Width_b Date       smaller
#   <fct>      <fct>             <dbl>         <dbl> <chr>      <chr>  
# 1 versicolor virginica           2.5           3   2022-05-05 a      
# 2 versicolor virginica           2.6           2.8 2022-04-04 a      
# 3 versicolor setosa              2.2           4.4 2021-03-03 a      
# 4 setosa     virginica           4.2           2.5 2021-02-02 b      
# 5 virginica  setosa              3             3.4 2020-01-01 a  

＆lt中的位; ＆gt;在列名中告诉您格式，＆lt; fct＆gt; is factor，＆lt; dbl; dbl＆gt; is 数字（说明）和＆lt; chr＆gt; is targin。

因此，我们希望将日期纳入date格式，我们可以使用ymd（）（年度周期）函数来进行。来自lubridate。另外，我对数据进行了重新排列，以使行按时间顺序（最早的顶部）进行，因为这是正常安排的方式，对我来说更有意义，尤其是如果您对累积总和感兴趣的情况下。

data %>% 
  tibble %>% 
  mutate(
    Date = ymd(Date)
  ) %>% 
  arrange(Date) %>% 
  {. ->> my_data}

my_data

# # A tibble: 5 x 6
#   Species_a  Species_b Sepal.Width_a Sepal.Width_b Date       smaller
#   <fct>      <fct>             <dbl>         <dbl> <date>     <chr>  
# 1 virginica  setosa              3             3.4 2020-01-01 a      
# 2 setosa     virginica           4.2           2.5 2021-02-02 b      
# 3 versicolor setosa              2.2           4.4 2021-03-03 a      
# 4 versicolor virginica           2.6           2.8 2022-04-04 a      
# 5 versicolor virginica           2.5           3   2022-05-05 a 

我们可以看到R现在认识到date列是一个日期，现在在R-RECHISED ＆lt; date＆gt;格式中。

现在，我不是100％确切确切地确定您要如何计算新列的地方，但是例如，您可以使用ifelse（）来确定物种A是否较小，然后计算累积总和较小的日子。

my_data %>%
  mutate(
    s_a = ifelse(smaller == 'a', 1, 0),
    smaller_sum_a = cumsum(s_a),
  )
  
# # A tibble: 5 x 8
#   Species_a  Species_b Sepal.Width_a Sepal.Width_b Date       smaller   s_a smaller_sum_a
#   <fct>      <fct>             <dbl>         <dbl> <date>     <chr>   <dbl>         <dbl>
# 1 virginica  setosa              3             3.4 2020-01-01 a           1             1
# 2 setosa     virginica           4.2           2.5 2021-02-02 b           0             1
# 3 versicolor setosa              2.2           4.4 2021-03-03 a           1             2
# 4 versicolor virginica           2.6           2.8 2022-04-04 a           1             3
# 5 versicolor virginica           2.5           3   2022-05-05 a           1             4

只要a）date列在R-RENSIDER ＆lt; date＆gt;格式或b中，或b）按时间顺序排列，您可以使用小于或大于运算符＆lt;＆amp; ＆gt;确定给定行之前/之后的日期是否在。

这是理解R如何处理日期和时间的好资源，值得一读 https://r4ds.had.co.nz/dates-and-times.html

Answer 2

这是我当前的解决方案，如果我听到它会破坏Dplyr的一些功能，我不想使用Plyr。我觉得肯定有一种更高效，更现代的解决这个问题的方法，但我似乎找不到它。

library(plyr)
library(lubridate)

# creating counts for smaller sums for red side

data$Date <- lubridate::parse_date_time(x = data$Date, # standardizing date (outside of the reproducible example there are two date types)
                                              orders = c("%m/%d/%Y", "%Y-%m-%d"))

A_rn <- mutate(filter(select(data, 
                             Species_a, 
                             Date, 
                             smaller), 
                      smaller == 'a'), 
                      smaller_ct_a  = 1)

# creating counts for smaller sums for b
BtoA_rn <- mutate(filter(select(data, 
                                Species_b, 
                                Date, 
                                smaller), 
                         smaller == 'b'), # calling Species_b Species_a for easier joining
                  Species_a = Species_b,
                  smaller_ct_a  = 1) %>% 
  select(Species_a, Date, smaller, smaller_ct_a)

# cumsum for both a and b
A <- ddply(bind_rows(A_rn, BtoA_rn) %>% 
             arrange(Date),
           .(Species_a), transform,
           smaller_sum_a = lag(cumsum(replace_na(smaller_ct_a, 0)))) %>% 
  select(-smaller_ct_a)

# naming adjustment
B <- A %>% filter(smaller == "b") %>% 
  select(-smaller)

names(B) <- gsub(x = names(B), pattern = "_a", replacement = "_b")  
A <- A %>% filter(smaller == "a") %>% 
  select(-smaller)

data <- left_join(data, A, by = c("Species_a", "Date")) %>% 
  left_join(B, by = c("Species_b", "Date"))

data[is.na(data)] <- 0