Dataframe 将新列添加到df中

一段时间内，它看起来是这样的

Name    Date       Value     NewColumn   other columns
A       2000-01      0.5      
A       2001-03      0.4      0
A       2002-02      1.0      1  
A       2003-05      0.9      0
A       2004-06      0.9
A       2006-03      0.4        <- no previous year

Name日期值NewColumn其他列
A 2000-01 0.5
A 2001-03年度0.4 0
A 2002-02 1.0 1
A 2003-05年度0.90
A 2004-06年度0.9
A 2006-03 0.4
df=read.table（text=”
名称日期值
A 2000-01 0.5
A 2001-03年度0.4
A 2002-02 1.0
A 2003-05年度0.9
A 2004-06年度0.9
A 2006-03年度0.4
，标题=T，字符串=F）
图书馆（dplyr）
df%>%
按（名称）%>%#为每个名称分组
变异（变化=值/滞后（值）-1，#获得值的变化（增加或减少）
year=as.numeric（substr（Date，1，4）），从日期开始获取年份
NewColumn=情况(更改>0.01&滞后(年)）=第1年~1年#如果更改超过1%，且前一行在标记为1之前1年
如果更改小于1%，且前一行在标记为0之前1年，则更改<-0.01&滞后（年）=1年（0））%>%
解组（）
##tibble:6 x 6
#名称日期值更改年份新列
#                
#1 A 2000-01 0.5 NA 2000 NA
#2 A 2001-03 0.4-0.200 2001 0
#3 A 2002-02 11.5 2002 1
#4 A 2003-05 0.9-0.100 2003 0
#5 A 2004-06 0.9 0 2004 NA
#6a 2006-03 0.4-0.556 2006北美

您可以删除一些不必要的变量。我留下它们只是为了帮助您理解这个过程是如何工作的。
df=read.table（text=”
名称日期值
A 2000-01 0.5
A 2001-03年度0.4
A 2002-02 1.0
A 2003-05年度0.9
A 2004-06年度0.9
A 2006-03年度0.4
，标题=T，字符串=F）
图书馆（dplyr）
df%>%
按（名称）%>%#为每个名称分组
变异（变化=值/滞后（值）-1，#获得值的变化（增加或减少）
year=as.numeric（substr（Date，1，4）），从日期开始获取年份
NewColumn=情况(更改>0.01&滞后(年)）=第1年~1年#如果更改超过1%，且前一行在标记为1之前1年
如果更改小于1%，且前一行在标记为0之前1年，则更改<-0.01&滞后（年）=1年（0））%>%
解组（）
##tibble:6 x 6
#名称日期值更改年份新列
#                
#1 A 2000-01 0.5 NA 2000 NA
#2 A 2001-03 0.4-0.200 2001 0
#3 A 2002-02 11.5 2002 1
#4 A 2003-05 0.9-0.100 2003 0
#5 A 2004-06 0.9 0 2004 NA
#6a 2006-03 0.4-0.556 2006北美

您可以删除一些不必要的变量。我留下它们只是为了帮助您理解该过程是如何工作的。
由于问题已被标记为
数据。表
，下面是一个相应的解决方案，它使用了一些棘手的算法，包括
NA
和逻辑值：

library(data.table)
setDT(DT)[order(Date), NewColumn := {
  yr <- year(lubridate::ymd(Date, truncated = 1L))
  chg <- Value / shift(Value) - 1.0
  NA^(yr - shift(yr) != 1L) * NA^(!abs(chg) > 0.01) * (sign(chg) / 2.0 + 0.5)
}, by = Name][]

这里的技巧是使用以下事实：
NA^0
是1，
NA^1
是
NA
，并且
FALSE
对应于0，
TRUE
对应于1，这样

NA^c(FALSE, TRUE)

返回

资料
库（data.table）
DT由于问题已被标记为
数据。表
，因此这里有一个相应的解决方案，它使用了一些复杂的算法和
NA
和逻辑值：

library(data.table)
setDT(DT)[order(Date), NewColumn := {
  yr <- year(lubridate::ymd(Date, truncated = 1L))
  chg <- Value / shift(Value) - 1.0
  NA^(yr - shift(yr) != 1L) * NA^(!abs(chg) > 0.01) * (sign(chg) / 2.0 + 0.5)
}, by = Name][]

这里的技巧是使用以下事实：
NA^0
是1，
NA^1
是
NA
，并且
FALSE
对应于0，
TRUE
对应于1，这样

NA^c(FALSE, TRUE)

返回

资料
库（data.table）
DT您的结果不符合OP的期望，因为您使用了错误的阈值0.1（10%）而不是0.01（1%）。您的结果不符合OP的期望，因为您使用了错误的阈值0.1（10%）而不是0.01（1%）。
[1]  1 NA

library(data.table)
DT <- fread("Name      Date       Value
A       2000-01      0.5
A       2001-03      0.4 
A       2002-02      1.0
A       2003-05      0.9
A       2004-06      0.9
A       2006-03      0.4 ")