如何在R中滞后数据框的多个特定列答案

【问题标题】：How to lag multiple specific columns of a data frame in R如何在R中滞后数据框的多个特定列
【发布时间】：2021-04-21 17:25:24
【问题描述】：

我想在 R 中滞后数据框的多个特定列。

让我们举这个通用的例子。假设我已经定义了我需要滞后的数据框的哪些列：

Lag <- c(0, 1, 0, 1)
Lag.Index <- is.element(Lag, 1)
df <- data.frame(x1 = 1:8, x2 = 1:8, x3 = 1:8, x4 = 1:8)

我的初始数据框：

        x1  x2  x3  x4   
    1   1   1   1   1
    2   2   2   2   2
    3   3   3   3   3
    4   4   4   4   4 
    5   5   5   5   5
    6   6   6   6   6
    7   7   7   7   7
    8   8   8   8   8

我想计算以下数据框：

        x1  x2  x3  x4   
    1   1   NA  1   NA
    2   2   2   2   2
    3   3   3   3   3
    4   4   4   4   4 
    5   5   5   5   5
    6   6   6   6   6
    7   7   7   7   7
    8   8   8   8   8

我会知道如何只为一个滞后列执行此操作，如 here 所示，但无法找到一种方法以优雅的方式为多个滞后列执行此操作。非常感谢任何帮助。

【问题讨论】：

标签： r dataframe lag

【解决方案1】：

您可以使用purrr 的map2_dfc 按列滞后不同的值。

purrr::map2_dfc(df, Lag, dplyr::lag)

#     x1    x2    x3    x4
#  <int> <int> <int> <int>
#1     1    NA     1    NA
#2     2     1     2     1
#3     3     2     3     2
#4     4     3     4     3
#5     5     4     5     4
#6     6     5     6     5
#7     7     6     7     6
#8     8     7     8     7

或者data.table：

library(data.table)
setDT(df)[, names(df) := Map(shift, .SD, Lag)]

【讨论】：

非常感谢。这两种解决方案都很明亮，完全符合我的需求。我不是 R 方面的专家，请您详细说明 .SD 在这里做什么？
.SD 特定于 data.table 这里它指的是df 中的所有列。我们可以将SDcols 指定为.SDcols = 1:3，在这种情况下.SD 将仅引用第1 到第3 列。

【解决方案2】：

不确定这是否足够优雅，但我会使用 dplyr 的 mutate_at 函数来调整列

df %>% dplyr::mutate_at(.vars = vars(x2,x4),.funs = ~lag(., default = NA))

【讨论】：

【解决方案3】：

我们将lag转换为logical类，得到对应的names，并从dplyr使用across

library(dplyr)
df %>% 
      mutate(across(names(.)[as.logical(Lag)], lag))
#  x1 x2 x3 x4
#1  1 NA  1 NA
#2  2  1  2  1
#3  3  2  3  2
#4  4  3  4  3
#5  5  4  5  4
#6  6  5  6  5
#7  7  6  7  6
#8  8  7  8  7

或者我们可以在base R这样做

df[as.logical(Lag)] <- rbind(NA, df[-nrow(df), as.logical(Lag)])

【讨论】：

【解决方案4】：

使用shift 和Vectorize 的data.table 选项

> setDT(df)[, Vectorize(shift)(.SD, Lag)]
     x1 x2 x3 x4
[1,]  1 NA  1 NA
[2,]  2  1  2  1
[3,]  3  2  3  2
[4,]  4  3  4  3
[5,]  5  4  5  4
[6,]  6  5  6  5
[7,]  7  6  7  6
[8,]  8  7  8  7

【讨论】：