R 最近年份之间的百分比变化
我在创建一个新变量R 最近年份之间的百分比变化,r,data.table,data-manipulation,R,Data.table,Data Manipulation,我在创建一个新变量增长时遇到了一个问题，该变量相当于在以“2”和“7”结尾的最近年份之间人口的百分比变化 # dt ID Population year 1 50 1995 1 60 1996 1 70 1997 1 80 1998 1 90 1999 1
增长人口# dt
ID Population year
1 50 1995
1 60 1996
1 70 1997
1 80 1998
1 90 1999
1 100 2000
1 105 2001
1 110 2002
1 120 2003
1 130 2004
1 140 2005
1 150 2006
1 200 2007
1 300 2008
dt <- data.table::fread("ID Population year
1 50 1995
1 60 1996
1 70 1997
1 80 1998
1 90 1999
1 100 2000
1 105 2001
1 110 2002
1 120 2003
1 130 2004
1 140 2005
1 150 2006
1 200 2007
1 300 2008", header = T)
#dt
ID人口年
1 50 1995
1 60 1996
1 70 1997
1 80 1998
1 90 1999
1 100 2000
1 105 2001
1 110 2002
1 120 2003
1 130 2004
1 140 2005
1 150 2006
1 200 2007
1 300 2008
dt不是一个data.table
解决方案，但下面是您如何在tidyverse
中实现它的方法，它可以为您提供一些想法。基本上，使用整数除法计算每行要比较的年份，然后将表本身连接起来，这样我们就可以在每行中获得比较值。那么，使用您的公式计算增长就很简单了
库（tidyverse）
dt%
变异（比较年=5*年%/%5-3）%>%
左连接（dt，by=c（“ID”，“比较年份”=“年份”））%>%
突变（增长=（Population.x-Population.y）/Population.y）
#>#A tibble:14 x 6
#>ID人口.x年与u年人口.y增长
#>
#>1 150 1995 1992年不适用
#>2 1 60 1996 1992年不适用
#>3 1 70 1997 1992不适用
#>418019981992NA
#>5190199921992不适用
#> 6 1 100 2000 1997 70 0.429
#> 7 1 105 2001 1997 70 0.5
#> 8 1 110 2002 1997 70 0.571
#> 9 1 120 2003 1997 70 0.714
#> 10 1 130 2004 1997 70 0.857
#> 11 1 140 2005 2002 110 0.273
#> 12 1 150 2006 2002 110 0.364
#> 13 1 200 2007 2002 110 0.818
#> 14 1 300 2008 2002 110 1.73
由（v0.2.0）于2018-09-19创建。不是一个数据表
解决方案，但以下是您可以在tidyverse
中实现它的方法，它可以给您一些想法。基本上，使用整数除法计算每行要比较的年份，然后将表本身连接起来，这样我们就可以在每行中获得比较值。那么，使用您的公式计算增长就很简单了
库（tidyverse）
dt%
变异（比较年=5*年%/%5-3）%>%
左连接（dt，by=c（“ID”，“比较年份”=“年份”））%>%
突变（增长=（Population.x-Population.y）/Population.y）
#>#A tibble:14 x 6
#>ID人口.x年与u年人口.y增长
#>
#>1 150 1995 1992年不适用
#>2 1 60 1996 1992年不适用
#>3 1 70 1997 1992不适用
#>418019981992NA
#>5190199921992不适用
#> 6 1 100 2000 1997 70 0.429
#> 7 1 105 2001 1997 70 0.5
#> 8 1 110 2002 1997 70 0.571
#> 9 1 120 2003 1997 70 0.714
#> 10 1 130 2004 1997 70 0.857
#> 11 1 140 2005 2002 110 0.273
#> 12 1 150 2006 2002 110 0.364
#> 13 1 200 2007 2002 110 0.818
#> 14 1 300 2008 2002 110 1.73
由（v0.2.0）于2018-09-19创建。类似于@calum_you，但按照OP中的要求，使用最接近的5年增长率
样本数据
dt <- data.table::fread("ID Population year
1 50 1995
1 60 1996
1 70 1997
1 80 1998
1 90 1999
1 100 2000
1 105 2001
1 110 2002
1 120 2003
1 130 2004
1 140 2005
1 150 2006
1 200 2007
1 300 2008", header = T) %>%
as_data_frame()
输出
ID Population year join_yr growth_5yr
1 1 50 1995 1997 NA
2 1 60 1996 1997 NA
3 1 70 1997 2002 0.5714286
4 1 80 1998 2002 0.5714286
5 1 90 1999 2002 0.5714286
6 1 100 2000 2002 0.5714286
7 1 105 2001 2002 0.5714286
8 1 110 2002 2007 0.8181818
9 1 120 2003 2007 0.8181818
10 1 130 2004 2007 0.8181818
11 1 140 2005 2007 0.8181818
12 1 150 2006 2007 0.8181818
13 1 200 2007 2012 NA
14 1 300 2008 2012 NA
与@calum_you类似，但使用最接近的5年增长率，如OP
样本数据
dt <- data.table::fread("ID Population year
1 50 1995
1 60 1996
1 70 1997
1 80 1998
1 90 1999
1 100 2000
1 105 2001
1 110 2002
1 120 2003
1 130 2004
1 140 2005
1 150 2006
1 200 2007
1 300 2008", header = T) %>%
as_data_frame()
输出
ID Population year join_yr growth_5yr
1 1 50 1995 1997 NA
2 1 60 1996 1997 NA
3 1 70 1997 2002 0.5714286
4 1 80 1998 2002 0.5714286
5 1 90 1999 2002 0.5714286
6 1 100 2000 2002 0.5714286
7 1 105 2001 2002 0.5714286
8 1 110 2002 2007 0.8181818
9 1 120 2003 2007 0.8181818
10 1 130 2004 2007 0.8181818
11 1 140 2005 2007 0.8181818
12 1 150 2006 2007 0.8181818
13 1 200 2007 2012 NA
14 1 300 2008 2012 NA
以下是一种可能的数据。表方法：
#calculate the 5-yearly percentage changes first by
#i) first creating all combinations of ID and 5-yearly years
#2) then join with the original dataset
#3) then leading the Population column and calculating Growth
pctChange <- dt[CJ(ID=ID, year=seq(1967, 2022, 5), unique=TRUE),
.(ID, year, Growth=(shift(Population, type="lead") - Population) / Population),
on=.(ID, year)]
#then perform a rolling join (`roll=TRUE`; see ?data.table) and
#then update the original dt with Growth by reference (i.e. `:=`)
dt[, Growth := pctChange[dt, Growth, on=.(ID, year), roll=TRUE]]
dt
请注意：滚动联接似乎不适用于更新联接
dt[pctChange, Growth := Growth, on=.(ID, year), roll=TRUE]
以下是一种可能的数据。表方法：
#calculate the 5-yearly percentage changes first by
#i) first creating all combinations of ID and 5-yearly years
#2) then join with the original dataset
#3) then leading the Population column and calculating Growth
pctChange <- dt[CJ(ID=ID, year=seq(1967, 2022, 5), unique=TRUE),
.(ID, year, Growth=(shift(Population, type="lead") - Population) / Population),
on=.(ID, year)]
#then perform a rolling join (`roll=TRUE`; see ?data.table) and
#then update the original dt with Growth by reference (i.e. `:=`)
dt[, Growth := pctChange[dt, Growth, on=.(ID, year), roll=TRUE]]
dt
请注意：滚动联接似乎不适用于更新联接
dt[pctChange, Growth := Growth, on=.(ID, year), roll=TRUE]
在您的示例中，1992年的Pop不存在，那么您将如何计算1996年的增长？2012年的Pop也不存在在你的例子中，1992年的Pop不存在，那么你如何计算1996年的增长？2012年流行音乐也不存在。如果我想通过ID
进行操作，该怎么办？将ID
添加到on=（ID，年份）
？不一定，谢谢。上面的函数CJ
是什么？它是来自data.table
的交叉连接函数。您可能想签出？data.table:：CJ
太好了。如果我想通过ID
进行操作，该怎么办？将ID
添加到on=（ID，年份）
？不一定，谢谢。上面的函数CJ
是什么？它是来自data.table
的交叉连接函数。您可能想签出？data.table:：CJ