润滑；Dplyr如何按周和类别聚合数据帧

考虑下面的例子

library(dplyr)
library(lubridate)

time <- seq(from =ymd("2014-01-01"),to= ymd("2014-02-20"), by="days")
values <- sample(seq(from = 20, to = 50, by = 5), size = length(time), replace = TRUE)
tipe <- sample(rep(x = c("Tipe_A", "Tipe_B", "Tipe_C")), size = length(time), replace = TRUE)

df2 <- data_frame(time, tipe, values)

# A tibble: 51 x 3
   time       tipe   values
   <date>     <chr>   <dbl>
 1 2014-01-01 Tipe_B     40
 2 2014-01-02 Tipe_B     30
 3 2014-01-03 Tipe_A     35
 4 2014-01-04 Tipe_A     50
 5 2014-01-05 Tipe_B     35
 6 2014-01-06 Tipe_B     50
 7 2014-01-07 Tipe_A     50
 8 2014-01-08 Tipe_B     40
 9 2014-01-09 Tipe_A     30
10 2014-01-10 Tipe_B     25
# ... with 41 more rows

库（dplyr）
图书馆（lubridate）
时间%
总结（avr=平均值（差值，na.rm=T））
#一个tibble:7x2
每周平均值
1     1   7.5 
2     2 -20   
3     3   3.33
4     5   0   
5     6  -3.33
6     7 -10   
7     8  25

然而，我有很多类型，所以这将是一个乏味的过程

---

是否有办法使每种类型的分组更有效？

在这里，我们可能需要先按“tipe”进行分组，然后计算“差异”，并将“周”添加为分组列，然后才能在

摘要中获得
平均值

library(dplyr)
df2 %>%
   group_by(tipe) %>% 
   mutate(diff = values - lag(values, order_by = time)) %>%
   group_by(week = week(time), .add = TRUE) %>%
   summarise(avr = mean(diff, na.rm = TRUE))

或者先排列

df2 %>%
   arrange(tipe, time) %>% 
   group_by(tipe) %>% 
   mutate(diff = values - lag(values)) %>%
   group_by(week = week(time), .add = TRUE) %>%
   summarise(avr = mean(diff, na.rm = TRUE))

在这里，我们可能需要先按“tipe”进行分组，然后计算“diff”，再将“week”添加为分组列，然后才能在
摘要中获得
平均值

library(dplyr)
df2 %>%
   group_by(tipe) %>% 
   mutate(diff = values - lag(values, order_by = time)) %>%
   group_by(week = week(time), .add = TRUE) %>%
   summarise(avr = mean(diff, na.rm = TRUE))

或者先排列

df2 %>%
   arrange(tipe, time) %>% 
   group_by(tipe) %>% 
   mutate(diff = values - lag(values)) %>%
   group_by(week = week(time), .add = TRUE) %>%
   summarise(avr = mean(diff, na.rm = TRUE))

我猜你需要
df2%%>%groupby（tipe）%%>%变异（…
我猜你需要
df2%%>%groupby（tipe）%%>%变异（…
我接受你的建议，添加了
groupby（week=week（time），tipe）%%>%
起初我以为“滞后”会有问题函数采用错误的周数/类型。但是它工作得很好。谢谢你的推荐，并添加了
groupby（week=week（time），tipe）%%>%
起初我以为“lag”函数采用错误的周数/类型会有问题。但是它工作得很好。谢谢