R-对data.table中的多个列应用diff()函数或等效的自定义函数
当前有一个大致如下的R-对data.table中的多个列应用diff()函数或等效的自定义函数,r,data.table,R,Data.table,当前有一个大致如下的data.table: ID Date Var1 Var2 Var3 Var4 1 2020-03-01 AB A33 250 12 1 2020-04-01 B B25 NA 14 1 2020-05-01 AB A44 270 20 1 2020-06-01 AC C33 9 13 2 2019-09-01
data.table
:
ID Date Var1 Var2 Var3 Var4
1 2020-03-01 AB A33 250 12
1 2020-04-01 B B25 NA 14
1 2020-05-01 AB A44 270 20
1 2020-06-01 AC C33 9 13
2 2019-09-01 X C55 280 11
2 2019-10-01 K C89 120 12
2 2019-11-01 A C89 320 NA
2 2019-12-01 AB A88 200 25
此数据表存储键ID
和一些相应的变量。有些是类型char
,有些是类型numeric
。该表通过设置键(dt,ID,Date)排序。我想计算每个ID中每个数值变量的滞后差
在我的数据中,我提取了如下向量中的数值列
cols <- c("Var3", "Var4")
cols_indx <- c(5:6)
在我的数据上,none起作用并导致r[i1]-r[-length(r):-(length(r)-lag+1L)]:二进制运算符的非数字参数。我似乎不知道是什么导致了这一点,尤其是因为我在这段代码中没有看到任何二进制运算符
然而,一旦我无条件地声明了colname或col索引,一切都很好。为什么呢?在我的例子中,我需要移动一个大于250列的长data.table,然后计算滞后差异或所有这些列以及多个滞后间隔的所有差异。手动定义所有选定列是不可管理的。我错过了什么
# Works
as.data.frame(lapply(dt[ , 5:6], diff, lag = 1))
as.data.frame(lapply(financials.dt[ , c("Var4", "Var5")], diff, lag = 1))
此外,还缺少一个步骤。我想计算各组的滞后差异(由ID
定义)。当我尝试diff
和自定义函数时,两者都会引发类似的错误
i <- 1
lag_names_diff <- paste(cols, "Lag", i, "d", sep = "_")
dt[ , (lag_names_diff) := lapply(.SD, function(x) x - shift(x, (i), type = "lag")),
.SDcols = cols, by = ID]
# Error 1:
# r[i1] - r[-length(r):-(length(r) - lag + 1L)] : non-numeric argument for binary operator
# or
dt[ , (lag_names_diff) := lapply(.SD, diff, x = cols, lag = i, differences = 1),
.SDcols = cols, by = ID]
# Error 2:
# x - shift(x, (i), type = "lag") : non-numeric argument for binary operator
i错误似乎是因为diff(any_vector)
返回一个向量,但长度比any_vector
短一个。看到这个了吗
diff(1:5)
[1] 1 1 1 1
因此,如果要对表中的任何变量应用diff
,则必须在结果的末尾或开头添加一个元素。虽然我不确定你的预期结果,但我还是这么认为。(我正在将NA
添加到结果向量的开头。如果需要,您也可以添加0
)
library(dplyr)
df %>% mutate(across(cols, ~c(NA, diff(.)), .names = "{.col}_diff"))
ID Date Var1 Var2 Var3 Var4 Var3_diff Var4_diff
1 1 2020-03-01 AB A33 250 12 NA NA
2 1 2020-04-01 B B25 NA 14 NA 2
3 1 2020-05-01 AB A44 270 20 NA 6
4 1 2020-06-01 AC C33 9 13 -261 -7
5 2 2019-09-01 X C55 280 11 271 -2
6 2 2019-10-01 K C89 120 12 -160 1
7 2 2019-11-01 A C89 320 NA 200 NA
8 2 2019-12-01 AB A88 200 25 -120 NA
或者如果需要在ID
上分组
df %>% group_by(ID) %>%
mutate(across(cols, ~c(NA, diff(.)), .names = "{.col}_diff"))
# A tibble: 8 x 8
# Groups: ID [2]
ID Date Var1 Var2 Var3 Var4 Var3_diff Var4_diff
<int> <chr> <chr> <chr> <int> <int> <int> <int>
1 1 2020-03-01 AB A33 250 12 NA NA
2 1 2020-04-01 B B25 NA 14 NA 2
3 1 2020-05-01 AB A44 270 20 NA 6
4 1 2020-06-01 AC C33 9 13 -261 -7
5 2 2019-09-01 X C55 280 11 NA NA
6 2 2019-10-01 K C89 120 12 -160 1
7 2 2019-11-01 A C89 320 NA 200 NA
8 2 2019-12-01 AB A88 200 25 -120 NA
df%>%group\u by(ID)%>%
变异(跨越(cols,~c(NA,diff(.)),.names=“{.col}\u diff”))
#一个tibble:8x8
#组别:ID[2]
ID日期Var1 Var2 Var3 Var4 Var3_diff Var4_diff
1 1 2020-03-01 AB A33 250 12 NA
2 1 2020-04-01 B B25 NA 14 NA 2
3 1 2020-05-01 AB A44 270 20 NA 6
412020-06-01空调C33913-261-7
522019-09-01 X C55280 11不适用
6 2 2019-10-01 K C89 120 12-160 1
7 2 2019-11-01 A C89 320 NA 200 NA
8 2 2019-12-01 AB A88 200 25-120 NA
我会在几分钟后试一试。谢谢你的建议!你能很快澄清一下diff函数中的~c(NA,…)
和()
参数到底是做什么的吗?输出完全是我需要的,所以是:)对于NA
我在答案中添加了解释。请参见编辑。关于整洁的
,它实际上是编写不可见函数的简写,其中~
替换函数(x)
,
替换x
到处都是,这很整洁。对于R来说还是比较新的,所以这在将来可能会有所帮助。非常感谢阿尼尔!因此,如果我要计算滞后差,比如在第2个周期,我就需要添加~c(NA,NA,diff(.))
?我已经注意到了这种行为,但到目前为止还没有找到一种方法来对付它。谢天谢地,我有一个存储各种感兴趣的数值变量的大型数据集,我需要将它们(在我的实际数据中)滞后1、2、4和8个季度,以获得回归设置的滞后差异。不幸的是,并非每个ID
的所有数据点都可用,因此NAs不可避免地会通过数据传播。无论如何,我计算了我的季度数据集在所述期间(3M、6M、12M、24M)的滞后差异,然后通过滚动联接将此data.table中的数据联接到我的主数据集。
df %>% group_by(ID) %>%
mutate(across(cols, ~c(NA, diff(.)), .names = "{.col}_diff"))
# A tibble: 8 x 8
# Groups: ID [2]
ID Date Var1 Var2 Var3 Var4 Var3_diff Var4_diff
<int> <chr> <chr> <chr> <int> <int> <int> <int>
1 1 2020-03-01 AB A33 250 12 NA NA
2 1 2020-04-01 B B25 NA 14 NA 2
3 1 2020-05-01 AB A44 270 20 NA 6
4 1 2020-06-01 AC C33 9 13 -261 -7
5 2 2019-09-01 X C55 280 11 NA NA
6 2 2019-10-01 K C89 120 12 -160 1
7 2 2019-11-01 A C89 320 NA 200 NA
8 2 2019-12-01 AB A88 200 25 -120 NA