在R语言中如何选取每月首个值并进行差值计算

原始数据 #

Date       Value
  1-Jun-12     5
  2-Jun-12     10
  3-Jun-12     8
  4-Jun-12     15
  2-Jul-12     12
  3-Jul-12     6 
  4-Jul-12     14
  1-Aug-12     20
  2-Aug-12     10

期望输出 #

Date       Value    mon_diff
  1-Jun-12     5           7 
  2-Jun-12     10
  3-Jun-12     8
  4-Jun-12     15          
  2-Jul-12     12          8
  3-Jul-12     6 
  4-Jul-12     14
  1-Aug-12     20          ...
  2-Aug-12     10

实现步骤（基于Pandas） #

1. 转换日期格式并生成分组标识
   先把Date列转为datetime类型，同时提取「年-月」作为分组键，避免不同年份的同月份混淆：

   import pandas as pd
   
   # 转换日期列格式
   df['Date'] = pd.to_datetime(df['Date'], format='%d-%b-%y')
   # 生成年月分组标识
   df['year_month'] = df['Date'].dt.to_period('M')
   

2. 提取每个月的首值及对应行索引
   按「年-月」分组，获取每组的第一个Value值，以及该值所在行的索引：

   monthly_first = df.groupby('year_month').agg(
       first_value=('Value', 'first'),
       first_index=('Date', 'idxmin')
   ).reset_index()
   

3. 计算月度首值差值
   使用shift方法获取下一个月的首值，计算「下月首值 - 当前月首值」的差值：

   monthly_first['mon_diff'] = monthly_first['first_value'].shift(-1) - monthly_first['first_value']
   

4. 将差值填充回原始数据框
   初始化空的mon_diff列，把计算好的差值匹配到对应月份的首行，其余行留空：

   # 初始化mon_diff列
   df['mon_diff'] = ''
   # 填充对应行的差值
   for _, row in monthly_first.iterrows():
       df.loc[row['first_index'], 'mon_diff'] = row['mon_diff']
   # 删除临时分组列
   df.drop('year_month', axis=1, inplace=True)
   

补充处理 #

最后一个月没有下一个月的数据，mon_diff会是NaN，可以替换为需求中的...：

df['mon_diff'] = df['mon_diff'].fillna('...')

内容的提问来源于stack exchange，提问作者Prad