R 上一组中与另一列在同一位置的平均值

我有一些数据，我将mdo值除以前一个组中mdo实例的计数

我也在计算sog平均值

但是我想计算发生在相同实例上的sog平均值作为结果（mdo/count）值

我期望的结果是：

  grp count    mydate       mdo   sog prev_mdo result sog_avg
     1    NA    2019-05-11   1500    12    NA     NA     NA  
     1    NA    2019-05-11   1500    12    NA     NA     NA  
     1    NA    2019-05-11   1500    12    NA     NA     NA  
     1    NA    2019-05-11   1500    11    NA     NA     NA  
     1    NA    2019-05-12   1500    10    NA     NA     NA  
     1    NA    2019-05-12   1500     9    NA     NA     NA  
     2    NA    2019-05-12     NA     2    1500   NA     NA  
     3     6    2019-05-12     0     8.8   1500   0      0  
     3     6    2019-05-13     0     8.7   1500   0      0  
     3     6    2019-05-13     0     7.8   1500   0      0  
     4     3    2019-05-13   900     11    0      0      0  
     4     3    2019-05-13   900     11    0      0      0  
     5    NA    2019-05-14     NA    12    900    NA     NA  
     5    NA    2019-05-14     NA    11    900    NA     NA  
     6     2    2019-05-14   1100    9.54  900   550    11
     6     2    2019-05-14   1100    9.8   900   550    11
     6     2    2019-05-15   1100    10.4  900   550    11
     7     3    2019-05-15   200     4     1100  66.7   9.91
     7     3    2019-05-15   200     4     1100   66.7   9.91
     7     3    2019-05-15   200     4.5   1100   66.7   9.91
     7     3    2019-05-15   200     3.6   1100   66.7   9.91
     8     4    2019-05-15   1100    7     200    275    4.03
     8     4    2019-05-15   1100    8     200    275    4.03
     8     4    2019-05-15   1100    9     200    275    4.03
     9     3    2019-05-15     0     0     1100     0      0   

结果为零时，sog_平均值应为零，结果为na时，sog平均值应为na

当使用之前的组计数计算结果时，应使用其先前的值计算sog avg

例如：

mdo=1100，结果为550，因为前一个非空组中的计数为2（mdo值900）

1100/2=550。此时，sog平均值应为（11+11）/2=11，因为在前一个非空组中计数为2。

这里是一种方法。它广泛使用了使用base

table

或

tapply

进行分组的思想，然后将这些结果延迟。注意，如果

mdo

在整个组中不是常数，则此答案将失败

库（data.table）
dt=as.data.table（df）
dt[，grp:=rleid（mdo）]
dt[！is.na（mdo），
计数：={
cnt=表（grp）
代表（班次（cnt），cnt）
}
]
setcolorder（dt、c（“grp”、“count”、“mydate”、“mdo”、“sog”））
dt[,，
上一页：{
ord=表（grp）
nafill（代表（轮班（mdo[cumsum（ord）]），ord，“locf”）
}
]
dt[，结果：=fifelse（上一个mdo！=0L，mdo/计数，0）]
dt[！is.na（结果），
sog_平均值：={
mn=tapply（sog、grp、平均值）
代表（班次（mn）、表（grp））
}]
dt[result==0 | is.na（result），sog_avg:=result]
dt
#>grp count mydate mdo sog prev_mdo result sog_avg
#>1:1不适用2019-05-11 1500 12.00不适用
#>2:1不适用2019-05-11 1500 12.00不适用
#>3:1NA 2019-05-111500 12.00 NA
#>4:1不适用2019-05-11 1500 11.00不适用
#>5:1NA 2019-05-121500 10.00 NA
#>6:1NA 2019-05-121500 9.00 NA
#>7:2北美2019-05-12北美2.00 1500北美
#>  8:   3     6 2019-05-12    0  8.80     1500   0.00000  0.000000
#>  9:   3     6 2019-05-13    0  8.70     1500   0.00000  0.000000
#> 10:   3     6 2019-05-13    0  7.80     1500   0.00000  0.000000
#> 11:   4     3 2019-05-13  900 11.00        0   0.00000  0.000000
#> 12:   4     3 2019-05-13  900 11.00        0   0.00000  0.000000
#>13:5北美2019-05-14北美12.00 900北美
#>14:5北美2019-05-14北美11.00 900北美
#> 15:   6     2 2019-05-14 1100  9.54      900 550.00000 11.000000
#> 16:   6     2 2019-05-14 1100  9.80      900 550.00000 11.000000
#> 17:   6     2 2019-05-15 1100 10.40      900 550.00000 11.000000
#> 18:   7     3 2019-05-15  200  4.00     1100  66.66667  9.913333
#> 19:   7     3 2019-05-15  200  4.00     1100  66.66667  9.913333
#> 20:   7     3 2019-05-15  200  4.50     1100  66.66667  9.913333
#> 21:   7     3 2019-05-15  200  3.60     1100  66.66667  9.913333
#> 22:   8     4 2019-05-15 1100  7.00      200 275.00000  4.025000
#> 23:   8     4 2019-05-15 1100  8.00      200 275.00000  4.025000
#> 24:   8     4 2019-05-15 1100  9.00      200 275.00000  4.025000
#> 25:   9     3 2019-05-15    0  0.00     1100   0.00000  0.000000
#>grp count mydate mdo sog prev_mdo result sog_avg

您是否需要变异（sog_avg=ifelse（is.na（result）| result==0，result，sog_avg））？@Ronaksha:嗨，不，我不想要这个。我想像我说的那样正确地计算sog_avg，然后确定，如果结果是nan或零，是的，当您编写

滞后（mdo，na.rm=TRUE）

时，您想做什么

dplyr:：lag

没有名为

na.rm=

@Edo：是的，你是对的，但是你可以忽略它。为什么count

na

是

grp==5

？我认为这没有道理。应该是2。你好，谢谢你的帮助。对于第6组，正确的结果是11，因为它引用了mdo值900，其中sog对于两个条目都是11。发生这种情况是因为第5组有

na

mdo值，所以在这种情况下，我们转到前一个非na组（其中mdo不是na）。第4组有mdo 900，两种情况下sog都是11。我希望helpsEven虽然我加载了data.table库，但它一直显示找不到函数nafill和fifelse的错误！你能再安装一次吗？这些是较新的功能，所以您可能有较旧版本的软件包。我安装了1.12.2版，但仍然存在相同的问题。好吧，我发现它需要1.13版，所以我从github安装并运行正常！代码似乎正确！谢谢（upv）

grp count    mydate       mdo   sog prev_mdo result sog_avg
 1    NA    2019-05-11   1500    12    NA     NA     NA  
 1    NA    2019-05-11   1500    12    NA     NA     NA  
 1    NA    2019-05-11   1500    12    NA     NA     NA  
 1    NA    2019-05-11   1500    11    NA     NA     NA  
 1    NA    2019-05-12   1500    10    NA     NA     NA  
 1    NA    2019-05-12   1500     9    NA     NA     NA  
 2    NA    2019-05-12     NA     2    1500   NA     11  
 3     6    2019-05-12     0     8.8   1500   0      2  
 3     6    2019-05-13     0     8.7   1500   0      2  
 3     6    2019-05-13     0     7.8   1500   0      2  
 4     3    2019-05-13   900     11    0      0      NA  
 4     3    2019-05-13   900     11    0      0      NA  
 5    NA    2019-05-14     NA    12    900    NA     11  
 5    NA    2019-05-14     NA    11    900    NA     11  
 6     2    2019-05-14   1100    9.54  900   550    11.5
 6     2    2019-05-14   1100    9.8   900   550    11.5
 6     2    2019-05-15   1100    10.4  900   550    11.5
 7     3    2019-05-15   200     4      1100  66.7   9.91
 7     3    2019-05-15   200     4     1100   66.7   9.91
 7     3    2019-05-15   200     4.5   1100   66.7   9.91
 7     3    2019-05-15   200     3.6   1100   66.7   9.91
 8     4    2019-05-15   1100    7     200    275    4.03
 8     4    2019-05-15   1100    8     200    275    4.03
 8     4    2019-05-15   1100    9     200    275    4.03
 9     3    2019-05-15     0     0     1100     0      8   

  grp count    mydate       mdo   sog prev_mdo result sog_avg
     1    NA    2019-05-11   1500    12    NA     NA     NA  
     1    NA    2019-05-11   1500    12    NA     NA     NA  
     1    NA    2019-05-11   1500    12    NA     NA     NA  
     1    NA    2019-05-11   1500    11    NA     NA     NA  
     1    NA    2019-05-12   1500    10    NA     NA     NA  
     1    NA    2019-05-12   1500     9    NA     NA     NA  
     2    NA    2019-05-12     NA     2    1500   NA     NA  
     3     6    2019-05-12     0     8.8   1500   0      0  
     3     6    2019-05-13     0     8.7   1500   0      0  
     3     6    2019-05-13     0     7.8   1500   0      0  
     4     3    2019-05-13   900     11    0      0      0  
     4     3    2019-05-13   900     11    0      0      0  
     5    NA    2019-05-14     NA    12    900    NA     NA  
     5    NA    2019-05-14     NA    11    900    NA     NA  
     6     2    2019-05-14   1100    9.54  900   550    11
     6     2    2019-05-14   1100    9.8   900   550    11
     6     2    2019-05-15   1100    10.4  900   550    11
     7     3    2019-05-15   200     4     1100  66.7   9.91
     7     3    2019-05-15   200     4     1100   66.7   9.91
     7     3    2019-05-15   200     4.5   1100   66.7   9.91
     7     3    2019-05-15   200     3.6   1100   66.7   9.91
     8     4    2019-05-15   1100    7     200    275    4.03
     8     4    2019-05-15   1100    8     200    275    4.03
     8     4    2019-05-15   1100    9     200    275    4.03
     9     3    2019-05-15     0     0     1100     0      0