很可能会暴露我是 R 新手，但在 SPSS 中，运行滞后非常容易。显然这是用户错误，但我错过了什么？
x <- sample(c(1:9), 10, replace = T)
y <- lag(x, 1)
ds <- cbind(x, y)
ds
结果是：
x y
[1,] 4 4
[2,] 6 6
[3,] 3 3
[4,] 4 4
[5,] 3 3
[6,] 5 5
[7,] 8 8
[8,] 9 9
[9,] 3 3
[10,] 7 7
我想我会看到：
x y
[1,] 4
[2,] 6 4
[3,] 3 6
[4,] 4 3
[5,] 3 4
[6,] 5 3
[7,] 8 5
[8,] 9 8
[9,] 3 9
[10,] 7 3
任何指导将不胜感激。
我有同样的问题，但我不想使用 zoo 或 xts，所以我为数据帧编写了一个简单的滞后函数：
lagpad <- function(x, k) {
if (k>0) {
return (c(rep(NA, k), x)[1 : length(x)] );
}
else {
return (c(x[(-k+1) : length(x)], rep(NA, -k)));
}
}
这可以向前或向后滞后：
x<-1:3;
(cbind(x, lagpad(x, 1), lagpad(x,-1)))
x
[1,] 1 NA 2
[2,] 2 1 3
[3,] 3 2 NA
解决这个问题的另一种方法是使用 zoo 包，它有一个 lag 方法，可以用 NA 填充结果：
require(zoo)
> set.seed(123)
> x <- zoo(sample(c(1:9), 10, replace = T))
> y <- lag(x, -1, na.pad = TRUE)
> cbind(x, y)
x y
1 3 NA
2 8 3
3 4 8
4 8 4
5 9 8
6 1 9
7 5 1
8 9 5
9 5 9
10 5 5
结果是一个多元动物园对象（这是一个增强矩阵），但很容易通过以下方式转换为 data.frame
> data.frame(cbind(x, y))
lag不会改变数据，它只会改变“时基”。 x没有“时间基准”，因此cbind无法按您的预期工作。尝试cbind(as.ts(x),lag(x))并注意 1 的“滞后”会使周期向前移动。
我建议将zoo/xts用于时间序列。小zoo插曲特别有用。
仅使用标准 R 函数，这可以通过更简单的方式实现：
x <- sample(c(1:9), 10, replace = T)
y <- c(NA, head(x, -1))
ds <- cbind(x, y)
ds
lag()适用于时间序列，而您正在尝试使用裸矩阵。 这个老问题建议embed改用，如下所示：
lagmatrix <- function(x,max.lag) embed(c(rep(NA,max.lag), x), max.lag+1)
例如
> x
[1] 8 2 3 9 8 5 6 8 5 8
> lagmatrix(x, 1)
[,1] [,2]
[1,] 8 NA
[2,] 2 8
[3,] 3 2
[4,] 9 3
[5,] 8 9
[6,] 5 8
[7,] 6 5
[8,] 8 6
[9,] 5 8
[10,] 8 5
现在对我来说最简单的方法似乎如下：
require(dplyr)
df <- data.frame(x = sample(c(1:9), 10, replace = T))
df <- df %>% mutate(y = lag(x))
tmp<-rnorm(10)
tmp2<-c(NA,tmp[1:length(tmp)-1])
tmp
tmp2
这应该适应向量或矩阵以及负滞后：
lagpad <- function(x, k=1) {
i<-is.vector(x)
if(is.vector(x)) x<-matrix(x) else x<-matrix(x,nrow(x))
if(k>0) {
x <- rbind(matrix(rep(NA, k*ncol(x)),ncol=ncol(x)), matrix(x[1:(nrow(x)-k),], ncol=ncol(x)))
}
else {
x <- rbind(matrix(x[(-k+1):(nrow(x)),], ncol=ncol(x)),matrix(rep(NA, -k*ncol(x)),ncol=ncol(x)))
}
if(i) x[1:length(x)] else x
}
使用data.table：
> x <- sample(c(1:9), 10, replace = T)
> y <- data.table::shift(x)
> ds <- cbind(x, y)
> ds
x y
[1,] 5 NA
[2,] 4 5
[3,] 3 4
[4,] 3 3
[5,] 4 3
[6,] 8 4
[7,] 1 8
[8,] 7 1
[9,] 9 7
[10,] 7 9
一种简单的方法可能是将数据复制到新的数据框并更改索引号。确保原始表按顺序索引，没有间隙
例如
tempData <- originalData
rownames(tempData) <- 2:(nrow(tempData)+1)
如果您希望它与原始数据框位于相同的数据框中，请使用 cbind 函数
两个选项， inbase R和 with data.table：
baseShiftBy1 <- function(x) c(NA, x[-length(x)])
baseShiftBy1(x)
[1] NA 3 8 4 8 9 1 5 9 5
data.table::shift(x)
[1] NA 3 8 4 8 9 1 5 9 5
数据：
set.seed(123)
(x <- sample(c(1:9), 10, replace = T))
[1] 3 8 4 8 9 1 5 9 5 5
我采用了与Andrew 类似的解决方案（专用函数而不是xtsor zoo），但使用了更简洁的公式，我发现它更容易推理：
lagpad <- function(x, k) {
if (k == 0) { return(x) }
k.pos <- max(0, k)
k.neg <- max(0, -k)
c(rep(NA, k.pos), head(x, -k.pos), # empty if k<0, else lagging x
tail(x, -k.neg), rep(NA, k.neg)) # empty if k>0, else leading x
}
只是摆脱滞后。将 y 行更改为：
y <- c(NA, x[-1])