1

假设我们有一个名为 df 的数据集，该数据集由名为 year 和 x1 的两个变量组成：

year <- c(2000, 2001, 2002, 2003, 2004)
x1 <- c(7, 8, 6, 3, 3)
df <- data.frame(year, x1)

我的任务是从 x1 中计算出两个新变量。第一个变量是 cSum，它必须反映过去两年 x1 值的总和。第二个变量是 cMax，它必须反映过去三年中 x1 的最高值。

结果应如下所示：

year  x1  cSum  cMax
2000   7     
2001   8    15     
2002   6    14     8
2003   3     9     8
2004   3     6     6

如何计算上面的 cSum 和 cMax 变量？

谢谢！

4

2 回答 2

3

使用data.table：

library(data.table)
setDT(df)

一是复杂的方式；由于transpose经过优化，这可能会更快（未经测试）：

df[ , cSum := transpose(lapply(transpose(shift(x1, 0:1)), sum))]
df[ , cMax := transpose(lapply(transpose(shift(x1, 0:2)), max))]

shift本质上是一个滞后算子；我们希望滞后 0、1 和 (for cMax) 2 来获得当前和之前的 1（或 2）个周期。

或者：

df[ , cSum := rowSums(do.call(cbind, shift(x1, 0:1)))]
df[ , cMax := do.call(pmax, shift(x1, 0:2))]

两者都给出相同的输出：

df
#    year x1 cSum cMax
# 1: 2000  7   NA   NA
# 2: 2001  8   15   NA
# 3: 2002  6   14    8
# 4: 2003  3    9    8
# 5: 2004  3    6    6

造成这种混乱的是，当shift返回超过一个延迟时，它返回一个list; 但不幸的是，这个列表是我们需要的转置（我们正在执行逐行操作，并且它是以列友好的方式生成的）。第一个选项transpose是列表，以使其更易于管理，然后在返回列形式之前执行逐行操作transpose。

第二个选项将输出转换为数组并对数组执行逐行操作。

于 2016-07-20T23:33:28.137 回答
0

这是一种利用滞后算子的方法。本质上，我是在扩充您的数据，以尽量减少对 for 循环的需求。这样做，我正在增加使用的内存量。如果您要使用此数据集进行更多时间序列分析，这种方法可能有意义。在答案中，我使用了zoo包，这是我最喜欢的时间序列包。但是，还有很多其他ts的，xts（通常比zoo），... 

library(zoo)

year <- c(2000, 2001, 2002, 2003, 2004, 2005)
x1 <- c(7, 8, 6, 3, 3, 6)
df <- data.frame(year, x1)

dfZ <- zoo(df[,-1], order.by = df[,1]) 

dfZ <- merge(dfZ, lag(dfZ, seq(-1, -2)))

names(dfZ) <- paste0("L", seq(0,2))

dfZ$cSum <- rowSums(dfZ[, c("L0", "L1")])
dfZ$cMax <- apply(dfZ[, c("L0", "L1", "L2")], 1, max)
于 2016-07-20T23:47:39.590 回答