如何将频率中的滞后期平均值作为 r 中的新变量答案

【问题标题】：How to get average of lag period in a frequency as a new variable in r如何将频率中的滞后期平均值作为 r 中的新变量
【发布时间】：2017-03-02 00:03:36
【问题描述】：

我正在尝试安排我的面板数据集，以使用定期出现的滞后期的平均值创建新变量。我的示例数据集如下所示，可以使用以下代码访问

     Time ID  Value1 Value2
1  Jan-14  A     12     NA
2  Feb-14  A     14     NA
3  Mar-14  A     15     NA
4  Apr-14  A     18     NA
5  May-14  A     10     NA
6  Jun-14  A     12  13.67
7  Jul-14  A     13  15.67
8  Aug-14  A     14  14.33
9  Jan-14  B     32     NA
10 Feb-14  B     14     NA
11 Mar-14  B     15     NA
12 Apr-14  B     18     NA
13 May-14  B     20     NA
14 Jun-14  B     12  20.33
15 Jul-14  B     13  15.67
16 Aug-14  B     14  17.78

df<-structure(list(Time = structure(c(4L, 3L, 7L, 1L, 8L, 6L, 5L, 
2L, 4L, 3L, 7L, 1L, 8L, 6L, 5L, 2L), .Label = c("Apr-14", "Aug-14", 
"Feb-14", "Jan-14", "Jul-14", "Jun-14", "Mar-14", "May-14"), class = "factor"), 
    ID = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 
    2L, 2L, 2L, 2L, 2L, 2L), .Label = c("A", "B"), class = "factor"), 
    Value1 = c(12L, 14L, 15L, 18L, 10L, 12L, 13L, 14L, 32L, 14L, 
    15L, 18L, 20L, 12L, 13L, 14L)), .Names = c("Time", "ID", 
"Value1"), class = "data.frame", row.names = c(NA, -16L))

我想创建一个名为 Value2 的新变量，考虑到每个观察的前 4-6 个月对应的 3 个月的平均值（这仅作为示例，我的每月数据集包含 40 个人的 12 年，并且我将不得不考虑超过 3 个月的延迟，也许是 14 个月）。这里我也需要考虑 ID，因为需要保留面板结构。对于所有未完成 3 个月前的观察，应注明为NA。例如Jun_14_A 应该得到从Mar_14_A 到Jan_14_A 的平均值。 (12+14+15)/3 =13.67

我参考了一些示例here，但这些示例并没有完全提供我正在寻找的特别滞后平均值，并且在没有前 3 个完整月的情况下指示为 NA 。

提前感谢您的帮助

【问题讨论】：

标签： r data.table dplyr panel lag

【解决方案1】：

一种方法，它不是精致的，所以也许有人（如果我有时间的话）稍后会提供一个更优雅的解决方案：
首先是将您的df$time 转换为实际日期。

library(zoo)
df$Time=as.yearmon(as.character(df$Time),"%b-%y")
library(dplyr)
df%>%
  group_by(ID)%>%
  mutate(Value2 = ( lag(Value1, 3) + lag(Value1, 4) + lag(Value1, 5) ) / 3)

     Time     ID Value1   Value2
   <fctr> <fctr>  <int>    <dbl>
1  Jan-14      A     12       NA
2  Feb-14      A     14       NA
3  Mar-14      A     15       NA
4  Apr-14      A     18       NA
5  May-14      A     10       NA
6  Jun-14      A     12 13.66667
7  Jul-14      A     13 15.66667
8  Aug-14      A     14 14.33333
9  Jan-14      B     32       NA
10 Feb-14      B     14       NA
11 Mar-14      B     15       NA
12 Apr-14      B     18       NA
13 May-14      B     20       NA
14 Jun-14      B     12 20.33333
15 Jul-14      B     13 15.66667
16 Aug-14      B     14 17.66667

我创建了滞后 3、4 和 5 的 3 个变量并简单地计算平均值，任何 NA（不是 3 个完整月）都将返回 NA。

【讨论】：

感谢您的回答。一切都与我的数据集完美配合。但是我选择了数据表的答案，用 shift 和 reduce。
建议mutate(Value2 = ( lag(Value1, 3) + lag(Value1, 4) + lag(Value1, 5) ) / 3) 在这种情况下不需要select。

【解决方案2】：

试试动物园的rollapplyr。 list(-3:-5) 的宽度意味着它将在每次迭代时使用从当前点偏移 -3、-4 和 -5 的组件：

library(zoo)
roll <- function(x) rollapplyr(x, list(-3:-5), mean, fill = NA)
transform(df, Value2 = ave(Value1, ID, FUN = roll))

给出以下数据框：

     Time ID Value1   Value2
1  Jan-14  A     12       NA
2  Feb-14  A     14       NA
3  Mar-14  A     15       NA
4  Apr-14  A     18       NA
5  May-14  A     10       NA
6  Jun-14  A     12 13.66667
7  Jul-14  A     13 15.66667
8  Aug-14  A     14 14.33333
9  Jan-14  B     32       NA
10 Feb-14  B     14       NA
11 Mar-14  B     15       NA
12 Apr-14  B     18       NA
13 May-14  B     20       NA
14 Jun-14  B     12 20.33333
15 Jul-14  B     13 15.66667
16 Aug-14  B     14 17.66667

注意：虽然我们没有进行更改，因为它不需要回答问题，但请注意，您可能希望在第一列中使用 zoo 的 "yearmon" 类。使用该类年/月值排序正确但显示良好。也就是说，

transform(df, Time = as.yearmon(Time, "%b-%y"), Value2 = ...as above...)

【讨论】：

【解决方案3】：

这是另一种只使用data.table 的方法，它是shift 函数与Reduce 结合使用（这几乎是this 的欺骗）

library(data.table)
setDT(df)[, Value2 := Reduce(`+`, shift(Value1, 3:5))/3, by = ID]
df
#       Time ID Value1   Value2
#  1: Jan-14  A     12       NA
#  2: Feb-14  A     14       NA
#  3: Mar-14  A     15       NA
#  4: Apr-14  A     18       NA
#  5: May-14  A     10       NA
#  6: Jun-14  A     12 13.66667
#  7: Jul-14  A     13 15.66667
#  8: Aug-14  A     14 14.33333
#  9: Jan-14  B     32       NA
# 10: Feb-14  B     14       NA
# 11: Mar-14  B     15       NA
# 12: Apr-14  B     18       NA
# 13: May-14  B     20       NA
# 14: Jun-14  B     12 20.33333
# 15: Jul-14  B     13 15.66667
# 16: Aug-14  B     14 17.66667

【讨论】：

【解决方案4】：

我们可以试试：

library(data.table)
setDT(df)
f <- function(x) if(anyNA(x[1:6])) NA else mean(x[1:3]) 
df[, Value2 := zoo::rollapply(Value1, 6, f, align = "right", partial = TRUE), by = ID]

> df
      Time ID Value1   Value2
 1: Jan-14  A     12       NA
 2: Feb-14  A     14       NA
 3: Mar-14  A     15       NA
 4: Apr-14  A     18       NA
 5: May-14  A     10       NA
 6: Jun-14  A     12 13.66667
 7: Jul-14  A     13 15.66667
 8: Aug-14  A     14 14.33333
 9: Jan-14  B     32       NA
10: Feb-14  B     14       NA
11: Mar-14  B     15       NA
12: Apr-14  B     18       NA
13: May-14  B     20       NA
14: Jun-14  B     12 20.33333
15: Jul-14  B     13 15.66667
16: Aug-14  B     14 17.66667

【讨论】：