除以给定时间特定因子的值（dplyr，data.table）

我的数据格式很长，如下所示：

library(tidyverse)

df <- data.frame(
  projection1 = c(2,4,3),
  projection2 = c(3,1,4),
  historical_data = c(2,3,4),
  time = c(1,2,3)
) %>% 
  as_tibble() %>% 
  gather(key = key, value = val, projection1:historical_data) %>% 
  mutate(key = key %>% factor())

# A tibble: 9 x 3
   time key               val
  <dbl> <fct>           <dbl>
1     1 projection1         2
2     2 projection1         4
3     3 projection1         3
4     1 projection2         3
5     2 projection2         1
6     3 projection2         4
7     1 historical_data     2
8     2 historical_data     3
9     3 historical_data     4

库（tidyverse）
df%
as_tible（）%>%
聚集（键=键，值=值，项目1：历史数据）%>%
变异（key=key%>%factor（））

然后，数据如下所示：

library(tidyverse)

df <- data.frame(
  projection1 = c(2,4,3),
  projection2 = c(3,1,4),
  historical_data = c(2,3,4),
  time = c(1,2,3)
) %>% 
  as_tibble() %>% 
  gather(key = key, value = val, projection1:historical_data) %>% 
  mutate(key = key %>% factor())

# A tibble: 9 x 3
   time key               val
  <dbl> <fct>           <dbl>
1     1 projection1         2
2     2 projection1         4
3     3 projection1         3
4     1 projection2         3
5     2 projection2         1
6     3 projection2         4
7     1 historical_data     2
8     2 historical_data     3
9     3 historical_data     4

#一个tible:9 x 3
时间键val
1项目1 2
2项目1 4
3项目1 3
4 1项目2 3
5 2项目2 1
6 3项目2 4
7 1历史数据2
8 2历史数据3
9 3历史数据4

现在，我想计算每年projection1和projection2的值相对于历史数据的相对差值。因此，我希望我的数据以这样的方式结束：

# A tibble: 9 x 4
   time key               val pct_diff
  <dbl> <fct>           <dbl>    <dbl>
1     1 projection1         2    1    
2     2 projection1         4    1.33 
3     3 projection1         3    0.75 
4     1 projection2         3    1.5  
5     2 projection2         1    0.333
6     3 projection2         4    1    
7     1 historical_data     2    1    
8     2 historical_data     3    1    
9     3 historical_data     4    1

#一个tible:9 x 4
时间键val pct_diff
1项目1 2 1
2项目1 4 1.33
3项目1 3 0.75
4 1项目2 3 1.5
5 2项目2 1 0.333
6 3项目2 4 1
7 1历史数据2 1
8 2历史数据3 1
9 3历史数据4 1

我总是通过拆分和合并得到新的看似冗余的列，这些列包含当前

dataframe

/

tibble

中已经存在的值，以进行计算。我想知道是否有一个优雅的

dplyr

或data.table解决方案？或者你可以告诉我一个已经回答过的问题。我自己也没见过

---

谢谢

这里有一个使用组的简单方法：

 data.frame(
  projection1 = c(2,4,3),
  projection2 = c(3,1,4),
  historical_data = c(2,3,4),
  time = c(1,2,3)
) %>% 
  as_tibble() %>% 
  gather(key = key, value = val, projection1:historical_data) %>%
  group_by(time) %>%
  mutate(pct_diff = (val  / val[key == "historical_data"]))

# Groups:   time [3]
   time key               val pct_diff
  <dbl> <chr>           <dbl>    <dbl>
1     1 projection1         2    1    
2     2 projection1         4    1.33 
3     3 projection1         3    0.75 
4     1 projection2         3    1.5  
5     2 projection2         1    0.333
6     3 projection2         4    1    
7     1 historical_data     2    1    
8     2 historical_data     3    1    
9     3 historical_data     4    1 

data.frame(
投影1=c（2,4,3），
投影2=c（3,1,4），
历史数据=c（2,3,4），
时间=c（1,2,3）
) %>% 
as_tible（）%>%
聚集（键=键，值=值，项目1：历史数据）%>%
分组单位（时间）%>%
变异（pct_diff=（val/val[key==“历史数据”））
#分组：时间[3]
时间键val pct_diff
1项目1 2 1
2项目1 4 1.33
3项目1 3 0.75
4 1项目2 3 1.5
5 2项目2 1 0.333
6 3项目2 4 1
7 1历史数据2 1
8 2历史数据3 1
9 3历史数据4 1

---

如果您坚持认为

键

列是一个因素，则您必须稍微修改上述代码。

以下是一种可能的方法，使用

数据表

并使用jangorecki注释，使用

==

而不是较慢的

grep

：

DT[, ratio := 1][key!="historical_data", 
    ratio := DT[key=="historical_data"][.SD, on=.(time), i.val/x.val]]

或更短但可能更慢：

DT[, ratio := DT[key=="historical_data"][.SD, on=.(time), i.val/x.val]]

输出：

   time             key val     ratio
1:    1     projection1   2 1.0000000
2:    2     projection1   4 1.3333333
3:    3     projection1   3 0.7500000
4:    1     projection2   3 1.5000000
5:    2     projection2   1 0.3333333
6:    3     projection2   4 1.0000000
7:    1 historical_data   2 1.0000000
8:    2 historical_data   3 1.0000000
9:    3 historical_data   4 1.0000000

数据：

库（data.table）
DT很棒，启发了我以下几点，在这里我可以保留我的因子：
df%>%mutate（key=key%>%factor（）>%fct\u relevel（“历史数据”））%%>%arrange（key）%%>%group\u by（time）%%>%mutate（pct\u diff=（val/first（val，order\u by=c（key））
grep（“历史数据”），key）
效率不高，为什么不
键==“历史数据”
？