识别连续值中的变化类型-R

我有一个数据集，它跟踪不同类型对象随时间的数值变化。所以我有ID、measurement、yearmonth和change列。与以前的值相比，“更改”列具有发生的更改的真值。除非发生另一次更改，否则该值前后的任何常量都将标记为FALSE

我希望能够做到以下几点：

能够设置阈值。因此，标记任何超过特定数字的值情况。例如，如果阈值为5，则标记高于或低于该阈值的任何内容，但不要标记仅从2更改为4的情况（例如）

创建一个值发生更改的列。例如，-2表示将更改从5减少到3，2表示将更改从5增加到7

       # <chr> <int>     <int>   <lgl> 
     # 1   A     2        2019-2 FALSE 
     # 2   A     2        2019-3 FALSE 
     # 3   A     2        2019-4 FALSE 
     # 4   A     5        2019-5 TRUE  
     # 5   A     5        2019-5 FALSE 
     # 6   A     4        2019-8 TRUE 
     # 7   A     4        2019-9 TRUE 
     # 8   B     23       2019-5 FALSE 
     # 9   B     7        2019-9 TRUE  
     #10   B     7        2020-5 FALSE 
     # … with 11 more rows

#
#1 A 2 2019-2错误
#2 A 2 2019-3错误
#3 A 2 2019-4错误
#4 A 5 2019-5正确
#5 A 5 2019-5错误
#6 A 4 2019-8正确
#7 A 4 2019-9正确
#8 B 23 2019-5错误
#9 B 7 2019-9正确
#10 B 7 2020-5错误
#…还有11排

---

此

dplyr

解决方案允许您在列中获取更改量，并且还将创建一个逻辑列，如果阈值在任一方向交叉，您将在该逻辑列中获得

TRUE

。例如，在第4行中，该值已从2增加到5，因此已越过阈值。但是，在第5行中，该值保持在5，因此第4行和第5行之间的阈值没有交叉。当我们到达第6行时，该值已下降到4，这低于阈值，因此我们在这一行再次得到

TRUE

为了清晰起见，我将阈值设置为4.5

库（dplyr）
阈值%
分组依据（分组）%>%
突变（变化量=c（0，差异（值）），
交叉_阈值=符号（滞后（值-阈值））=
符号（值-阈值），
crossed_thresh=ifelse（is.na（crossed_thresh）），FALSE，
交叉（脱粒）
#>#tibble:10 x 6
#>#组：组[2]
#>组值月变化变化\u交叉金额\u阈值
#>                            
#>1 A 2 2019-2假0假
#>2 A 2 2019-3假0假
#>3 A 2 2019-4假0假
#>4 A 5 2019-5正确3正确
#>5 A 5 2019-5假0假
#>6 A 4 2019-8正确-1正确
#>7 A 4 2019-9正确0错误
#>8 B 23 2019-5假0假
#>9 B 7 2019-9正确-16错误
#>10 B 7 2020-5错误0错误

---

数据

df组值月变化
#>1 A 2 2019-2错误
#>2 A 2 2019-3错误
#>3 A 2 2019-4错误
#>4 A 5 2019-5正确
#>5 A 5 2019-5错误
#>6 A 4 2019-8正确
#>7 A 4 2019-9正确
#>8 B 23 2019-5错误
#>9 B 7 2019-9正确
#>10 B 7 2020-5错误

data.table库非常有用，特别是它的移位功能

#reproduction of dataset
df <- data.table(col1 = c('A','A','A','A','A','A','A','A','A','A'),
           col2 = c(2,2,2,5,5,4,4,23,7,7))

第二，我们在前一个基础上增加价值差异

df[,Identical :=(col2 == shift(col2)) ]

df[,change := col2 - shift(col2, 1)]

它提供所需的输出

    col1 col2 Identical change
 1:    A    2    NA     NA
 2:    A    2  TRUE      0
 3:    A    2  TRUE      0
 4:    A    5 FALSE      3
 5:    A    5  TRUE      0
 6:    A    4 FALSE     -1
 7:    A    4  TRUE      0
 8:    A   23 FALSE     19
 9:    A    7 FALSE    -16
10:    A    7  TRUE      0

---

谢谢你@AllanCameron