R按keyword分组计算4/8/12周滚动中位数 循环及filter方法失效

核心问题梳理 #

你原来的代码存在3个核心问题：

• dplyr的group_by仅对dplyr内置的函数生效，不会修改全局行索引，for循环遍历全表行号时不会按keyword分组计算，会跨关键词取前序行的hits值，结果自然错误
• 直接对整列执行hits[pid-1:pid-8]这类切片是向量化操作，不会逐行计算对应窗口的数值，仅会返回固定的切片结果
• 你原来的for循环里将数值型的行号i和字符串类型的"9"/"5"/"13"比较，会触发隐式类型转换，也是常见的错误点
• rollmedian本身支持偶数窗口，你也可以使用适配性更强的滚动计算函数实现需求

推荐实现方案 #

方案1：使用zoo包rollapply（兼容性最好） #

该方案支持任意窗口大小，自动按分组计算，不需要手写for循环：

# 加载依赖包
library(dplyr)
library(zoo)

summary3 <- summary2 %>%
  # 按关键词分组后按日期升序排列，*必须确保时序正确否则窗口计算会出错*
  group_by(keyword) %>%
  arrange(date, .by_group = TRUE) %>%
  mutate(
    # align = "right"表示窗口右边界对齐当前行，取当前行+前N-1行构成窗口，符合「过去N周」的计算逻辑
    # fill = NA表示窗口长度不足时填充NA，你可以按需调整填充值
    median4 = rollapply(hits, width = 4, FUN = median, align = "right", fill = NA),
    median8 = rollapply(hits, width = 8, FUN = median, align = "right", fill = NA),
    median12 = rollapply(hits, width = 12, FUN = median, align = "right", fill = NA)
  ) %>%
  ungroup()

如果你需要和原有逻辑一致，前N-1行填充行号而非NA，可以补充下面的逻辑：

summary3 <- summary3 %>%
  group_by(keyword) %>%
  mutate(pid = row_number(),
         median4 = ifelse(pid < 4, pid, median4),
         median8 = ifelse(pid < 8, pid, median8),
         median12 = ifelse(pid < 12, pid, median12)) %>%
  ungroup()

方案2：使用tidyverse生态的slider包（语法更直观） #

slider包是tidyverse官方推荐的滚动计算工具，参数更易懂：

library(dplyr)
library(slider)

summary3 <- summary2 %>%
  group_by(keyword) %>%
  arrange(date, .by_group = TRUE) %>%
  mutate(
    # .before = N 表示取当前行往前N行，加当前行共N+1行构成窗口
    # .complete = TRUE 表示窗口长度不足时返回NA
    median4 = slide_dbl(hits, median, .before = 3, .complete = TRUE),
    median8 = slide_dbl(hits, median, .before = 7, .complete = TRUE),
    median12 = slide_dbl(hits, median, .before = 11, .complete = TRUE)
  ) %>%
  ungroup()

内容的提问来源于stack exchange，提问作者jimjames