R 如何计算每个组的月日期决定的变量和滞后之间的差异？

本质上，我有一个数据集，其中的变量表示变量的组、日期和值。我需要取每个组的值和上年末值之间的差值。由于数据是平衡的，所以我尝试使用

dplyr:：lag

，插入观察月份的滞后：

x <- x %>% group_by(g) %>% mutate(y = v - lag(v, n=month(d))

---

通过

dplyr

可以查找最后一天，获取索引并使用该索引进行减法，然后转换为NAs，即

library(dplyr)

x %>% 
 group_by(g) %>% 
 mutate(new = which(sub('^[0-9]+-([0-9]+-[0-9]+)$', '\\1', d) == '12-31'), 
        y = v - v[new], 
        y = replace(y, row_number() <= new, NA)) %>% 
 select(-new)

库（dplyr）
x%>%
按（g）%>%
变异（新=其中（sub（“^[0-9]+-（[0-9]+-[0-9]+）$”，“\\1'，d）==“12-31”），
y=v-v[新]，
y=替换（y，行号（）%
选择（-new）

这就给了,

#一个tible:7 x 4
#组别:g[3]
g d v y
1b 2018-11-30 300北美
2 B 2018-12-31 200北美
3B 2019-01-31250 50
4 C 2017-12-31 400北美
5 A 2018-12-31 500北美
6a 2019-01-31400-100
7 A 2019-02-28 500 0

---

最后，我决定创建一个辅助变量（“eoy”）来表示每组对应年末的行。它需要一个循环，效率很低，但有利于依赖于此的剩余计算。所需的计算将成为：

---

mutate（'y'=x-x[eoy]）

在模拟数据集中，只有1个组：A，有2年：2018和2019年，那么2018-12-31将是每个组上一年的唯一结尾。我假设每个组没有连续3年（否则每个组将有2个上一年的结尾）。然后你可以1）提取日期的

year组件-1

以获取上一年，2）使用

max（）

获取年末。抱歉，我将使模拟数据集更全面。事实上，这就是我的目标。然而，在dplyr管道中，如何计算同一组的值（年=年1，最大月数）？换句话说，创建一个y=x-x[year==year-1&month=max（当年的月份）]？我恐怕无法获得所需变量的值（NA，NA，-50，NA，500，100，0）。如果输入是数据帧（'g'=c（'B'，'B'，'B'，'c'，'A'，'A'，'A'，'A'，'d'=c（'2018-11-30'，'2018-12-31'，'2019-01-31'，'2017-12-31'，'2018-12-31'，'2019-01-31'，'2019-02-28'），'v'=c（300200250400500400500）），那么我的预期输出y是：（NA，NA，NA，50，NA，NA，-100，0）。事实上，我错了（在后一个阶段中，我不希望在年底检索NAs，而是检索值本身，尽管这可以通过ifelse子句轻松完成）。它不起作用，因为我的数据集每个组有超过两年的时间。我如何调整分析，使其查找具有year=year-1和'12-31'的值，如此方法中所示？我不熟悉常规表达式这是一个重要的细节需要忽略。请更新您的数据集和问题中的预期输出您的approach正是我想要的，但我希望新引用%y-1+“-12-31”将其添加到数据集中

y <- c(NA,NA,-50,NA,NA,-250,-200,300,-100,0)

cbind(x,y)

library(dplyr)

x %>% 
 group_by(g) %>% 
 mutate(new = which(sub('^[0-9]+-([0-9]+-[0-9]+)$', '\\1', d) == '12-31'), 
        y = v - v[new], 
        y = replace(y, row_number() <= new, NA)) %>% 
 select(-new)

# A tibble: 7 x 4
# Groups:   g [3]
  g     d              v     y
  <fct> <fct>      <dbl> <dbl>
1 B     2018-11-30   300    NA
2 B     2018-12-31   200    NA
3 B     2019-01-31   250    50
4 C     2017-12-31   400    NA
5 A     2018-12-31   500    NA
6 A     2019-01-31   400  -100
7 A     2019-02-28   500     0