R语言分组后计算当前weight与最后观测weight的差值问题
问题需求
按country分组、wave排序后,计算每个wave的当前weight与该分组内上一个非缺失weight的差值。例如country "a"的wave5,需计算当前weight(69)与wave5之前最后一个有观测的weight(65)的差;wave8则计算当前weight(82)与wave8之前最后一个有观测的weight(69)的差。
原始数据集生成代码
set.seed(42000) data <- data_frame( country = sample(letters[1:20], size = 100, replace = TRUE), weight = round(runif(100, min = 48, max = 90))) data <- data %>% group_by(country) %>% arrange(weight) %>% mutate(wave = seq_along(weight)) n_rows <- nrow(data) perc_missing <- 10 data[sample(1:n_rows, sample(1:n_rows, round(perc_missing/100 * n_rows, 0))), c("weight")] <- NA
无效尝试
最初使用lag()函数的方法无法满足需求,因为它只会取前一行的值,无法跳过缺失值找到最近的非缺失值:
data <- data %>% group_by(country) %>% arrange(wave) %>% mutate(lag_weight = weight - lag(weight, default = first(weight, na.rm = TRUE)))
有效解决方案
使用zoo包中的na.locf()函数(全称Last Observation Carried Forward,即最近观测值向前填充)可以解决问题:
library(zoo) data <- data %>% group_by(country) %>% arrange(wave) %>% # 用最近的非缺失值填充,得到每个位置之前最后一个有效weight mutate(weight.io = na.locf(weight)) %>% # 当前weight减去上一个填充后的有效weight,得到目标差值 mutate(lag_weight = weight - lag(weight.io))
内容的提问来源于stack exchange,提问作者R and C.F
相关产品推荐
相关产品推荐

