3

我有一个包含时间序列数据列以及开始年份和结束年份的数据框。

df = data.frame(y2000=c(12,636),y2001=c(234, 76),y2002=c(3434, 46),y2003=c(36,35),y2004=c(6, 64),   y2005=c(56,65), y2006=c(43,65), y2007=c( 6, 56),y2008=c( 64, 66),y2009=c(63, 5656),y2010 = c(65,54),startyear= c(2006, 2001), endyear= c(2009, 2005))

对于每一行，我想计算开始和结束年份内以及开始和结束期间之前和之后的平均值。所需的输出如下所示： 

y2000   y2001   y2002   y2003   y2004   y2005   y2006   y2007   y2008   y2009   y2010   startyear   endyear before_mean within_mean  after_mean
12  234 3434    36  6   56  43  6   64  63  65  2006    2009    629.6666667     44  65
636 76  46  35  64  65  65  56  66  5656    54  2001    2005    636 57.2        1179.4

我尝试了不同的匹配和索引技术，但无法围绕这个技术。

4

3 回答 3

3

1. dplyr/tidyr

将“宽”格式转换为“长”格式可能会更好。我们可以dplyr/tidyr用来获取mean. 创建一个“ind”列，使用 将数据重塑为“long” gather，使用 将“变量”列分成两列（“var1”，“var2”）extract，按“ind”分组，获取“mean值”的值根据创建的不同逻辑索引（即 、 和 ）对其进行子集化var2 < startyear后var2 >= startyear & var2 <= endyear的var2 >endyear列

library(dplyr)
library(tidyr)

dS <-  df %>%
          mutate(ind=row_number()) %>%
          gather(variable, value, starts_with('y')) %>%
          extract(variable, c('var1', 'var2'), '([^0-9]+)([0-9]+)',
                        convert=TRUE) %>%
          group_by(ind) %>%
          summarise(before_mean= mean(value[var2 < startyear]), 
                   within_mean = mean(value[var2 >= startyear & 
                                            var2 <= endyear]),
                   after_mean=mean(value[var2 >endyear])) %>% 
         as.data.frame()

nm1 <-  paste(c('before', 'within', 'after'), 'mean', sep="_")
dS
#   ind before_mean within_mean after_mean
#1   1    629.6667        44.0       65.0
#2   2    636.0000        57.2     1179.4

我们可以从上面的输出中在“df”中创建额外的列

df[nm1] <- dS

2.基础R

我们可以使用base R方法而无需更改数据集的格式。从原始数据集 ('df') 中，为数字列名创建索引 ('indx')，删除非数字部分并转换为数字 ('v1')。

 indx <- grep('\\d+', names(df))
 v1 <- as.numeric(sub('[^0-9]+', '', names(df)[indx]))

循环 'df' ( lapply)的行match，使用 'v1' 的 'startyear'，使用该索引 ('i1') 获取列unlist，并计算mean. 同样可以通过将“endyear”与“v1”匹配来获得索引（“i2”）。基于“i1”和“i2”，计算“within_mean”和“after_mean”。 rbind列表元素并将输出分配给“df”中的新列（“nm1”）。

df[nm1] <- do.call(rbind,lapply(1:nrow(df), function(i) {
       i1 <- match(df$startyear[i], v1)
       before_mean<-  mean(unlist(df[i,1:(i1-1),drop=FALSE]))
       i2 <- match(df$endyear[i], v1)
       within_mean <- mean(unlist(df[i,i2:i1]))
      after_mean <- mean(unlist(df[i,match(v1[(i2+1):length(v1)],v1)]))
       data.frame(before_mean,within_mean, after_mean) }))
 df[nm1]
 #    before_mean within_mean after_mean
 #1    629.6667        44.0       65.0
 #2    636.0000        57.2     1179.4
于 2015-03-21T19:13:01.940 回答
3

akrun 的另一种方法，也使用 Base R。我们将创建一个中间变量，其顺序与列名相同，但具有数字格式。这将用于引用实际数据框的列：

col.years <- suppressWarnings(as.numeric(sub("^y", "", colnames(df))))[1:11]

# Initialise everything to NA (better when preparing to loop over df)        
df$before_mean <- NA
df$within_mean <- NA
df$after_mean <- NA

for(i in seq_len(nrow(df))) {
    df$before_mean[i] <- mean(as.numeric(df[i, which(col.years < df$startyear[i])]))
    df$within_mean[i] <- mean(as.numeric(df[i, which((col.years >= df$startyear[i]) & (col.years <= df$endyear[i]))]))
    df$after_mean[i]  <- mean(as.numeric(df[i, which(col.years > df$endyear[i])]))
}

结果

df[,14:16]

#   before_mean within_mean after_mean
# 1    629.6667        44.0       65.0
# 2    636.0000        57.2     1179.4
于 2015-03-21T20:09:11.043 回答
1

这是一个解决方案：

#The original data:
df = data.frame(y2000=c(12,636),y2001=c(234, 76),y2002=c(3434, 46),y2003=c(36,35),y2004=c(6, 64),   y2005=c(56,65), y2006=c(43,65), y2007=c( 6, 56),y2008=c( 64, 66),y2009=c(63, 5656),y2010 = c(65,54),startyear= c(2006, 2001), endyear= c(2009, 2005))

df$s = df$startyear - 1999
df$e = df$endyear - 1999
df$before_mean <- apply(df, 1, function(x)sum(x[1:(x[14]-1)] ))
df$within_mean <- apply(df, 1, function(x)sum(x[x[14]:x[15]] ))
df$after_mean <- apply(df, 1, function(x)sum(x[(x[15]+1):11] ))
df$s <- NULL
df$e <- NULL

该解决方案与示例中的确切年份相关联，但使其更通用并不难。

于 2015-03-21T20:07:35.023 回答