遍历数据框中的列，取其平均值并将其与同一列中的每个值进行比较

Question

我需要编写一个简单的函数，它首先遍历数据框中的每一列，取其平均值，然后遍历该列中的每一行，取其值并与对应于追溯日期的值进行比较同一列（-2 天）以及列均值，如果值 > 均值和追溯值，则返回“一切正常”，如果值

这是我的数据框：

df <- data.frame(startdate = as.Date('2010-11-1') + 0:4,
                 salary = c(21000, 23400, 26800, 40586, 86750), 
                 bonus = c(350, 400, 170, 180, 95))

看起来像这样：

  startdate  salary bonus
1 2010-11-01  21000   350
2 2010-11-02  23400   400
3 2010-11-03  26800   170
4 2010-11-04  40586   180
5 2010-11-05  86750    95

当然，我尝试了不同的方法来解决这个问题，但我现在想出的只是创建一个函数，该函数将数据框和列名作为参数并完成工作。

如何让它通过数据框中的所有列并返回所需的输出？

假设日期是有序的（升序）并且没有任何重复。在原始数据集中，我有 30 行和大约 14 列。

Answer 1

应该这样做。您需要 dplyr 包才能工作，因为它使用 lag() 函数：

FOO <- function(df){
  # calculate colmeans
  means <- sapply(df, mean)

  # generate matrix with value 2 if both conditions are TRUE
  output <- as.data.frame((df > means) + (df > sapply(df, dplyr::lag, 2)))

  # insert string values
  output[output < 2] <- "Anomaly"
  output[output == 2] <- "All okay"

  return(output)
}

> FOO(df)
  startdate   salary   bonus
1      <NA>     <NA>    <NA>
2      <NA>     <NA>    <NA>
3  All okay  Anomaly Anomaly
4  All okay All okay Anomaly
5   Anomaly All okay Anomaly

它将为前两行返回 NA，因为没有可用于第二个条件的比较值。