尝试使用dplyr仅滞后某些变量

我试图保留原始数据，但只计算文本某些行的延迟。Iv'e尝试过过滤，但它漏掉了数据。此外，滞后似乎并不真正考虑DT…< / P> 你觉得怎么样

library (tidyverse)
df2<- nycflights13::weather
df2 <- df2 %>% mutate (dt= as.Date(time_hour)) %>% add_count(origin,dt)
df2 <- df2 %>% mutate(lag_ewr1=lag(n,1))

库（tidyverse）
df2%加法计数（原点，dt）
df2%突变（滞后时间=滞后时间（n，1））

您可以对每个

dt

执行

lag

，并将

lag\u ewr1

更改为

NA

，除了

“EWR”

如果我们想在日期值之间滞后，我们可以使用：

df2 %>% 
  arrange(dt, origin) %>%
  group_by(dt) %>% 
  summarise(lag_ewr1 = first(n)) %>%
  mutate(lag_ewr1 = lag(lag_ewr1)) %>%
  left_join(df2, by = 'dt') %>%
  mutate(lag_ewr1 = replace(lag_ewr1, origin != 'EWR', NA))

---

您可以对每个

dt

执行

lag

，并将

lag\u ewr1

更改为

NA

，除了

“EWR”

如果我们想在日期值之间滞后，我们可以使用：

df2 %>% 
  arrange(dt, origin) %>%
  group_by(dt) %>% 
  summarise(lag_ewr1 = first(n)) %>%
  mutate(lag_ewr1 = lag(lag_ewr1)) %>%
  left_join(df2, by = 'dt') %>%
  mutate(lag_ewr1 = replace(lag_ewr1, origin != 'EWR', NA))

---

---

lag还有一个名为“order_by”的附加参数，您可以使用它来确保其按正确的变量排序。从你的问题来看，我不清楚哪些行需要滞后，哪些行不需要滞后。是否要为每个日期创建滞后列<代码>df2%>%group\U by（dt）%>%mutate（lag\U ewr1=lag（n，1））？谢谢。我想按dt分组，但只得到EWR机场的延迟，其他机场应为空白。类似这样，但保留所有行

df2%group\u by（dt）%%>%filter（origin==“EWR”）%%>%mutate（lag\u ewr1=lag（n，1））

@RonakShah请注意，在您的解决方案中，滞后并不准确，它只指每个dt中的第一行，例如2013年1月1日除第一行get 17外的所有行，当它们应该是“EWR”您的原始帖子中未提及机场状况，因此我们无法知道您只想

滞后于该机场。但是，这应该在我下面的答案中处理。lag有一个额外的参数，称为“order_by”，您可以使用它来确保其按正确的变量排序。从你的问题来看，我不清楚哪些行需要滞后，哪些行不需要滞后。是否要为每个日期创建滞后列<代码>df2%>%group\U by（dt）%>%mutate（lag\U ewr1=lag（n，1））

？谢谢。我想按dt分组，但只得到EWR机场的延迟，其他机场应为空白。类似这样，但保留所有行

df2%group\u by（dt）%%>%filter（origin==“EWR”）%%>%mutate（lag\u ewr1=lag（n，1））

@RonakShah请注意，在您的解决方案中，滞后并不准确，它只指每个dt中的第一行，例如2013年1月1日除第一行get 17外的所有行，当它们应该是“EWR”您的原始帖子中未提及机场状况，因此我们无法知道您只想

滞后于该机场。不过，这应该在我下面的回答中处理。像往常一样谢谢！关于此解决方案的快速问题。我们可以看到，对于所有这些行，2013年1月1日的滞后ewr1应为NA，对于2013年1月2日的所有行，滞后ewr1应为17。看一眼就知道不是那样的<代码>df3%过滤器（origin==“EWR”）df3%dplyr:：select（dt，lag_ewr1）df3%>%过滤器（dt==“2013-01-01”| dt==“2013-01-02”）

原来的解决方案并不是这样做的。

滞后

发生在相同的

dt

中。我想更新后的答案就是你想要的。只是一个小问题，这个解决方案如何用于lag2、lag3等。。我们可以用什么来代替第一个函数？在这种情况下，选择哪个值并不重要，因为所有值都是相同的。我选择了第一个，你可以选择第二个，第三个。如果您想要

lag2

您需要将

lag

行更改为

mutate（lag\u ewr1=lag（lag\u ewr1，2））

一如既往地感谢您！关于此解决方案的快速问题。我们可以看到，对于所有这些行，2013年1月1日的滞后ewr1应为NA，对于2013年1月2日的所有行，滞后ewr1应为17。看一眼就知道不是那样的<代码>df3%过滤器（origin==“EWR”）df3%dplyr:：select（dt，lag_ewr1）df3%>%过滤器（dt==“2013-01-01”| dt==“2013-01-02”）原来的解决方案并不是这样做的。

滞后

发生在相同的

dt

中。我想更新后的答案就是你想要的。只是一个小问题，这个解决方案如何用于lag2、lag3等。。我们可以用什么来代替第一个函数？在这种情况下，选择哪个值并不重要，因为所有值都是相同的。我选择了第一个，你可以选择第二个，第三个。如果您想要

lag2

您需要将

lag

行更改为

mutate（lag\u ewr1=lag（lag\u ewr1，2））