dplyr 中的变异函数不适用于滚动平均值/移动平均线答案

【问题标题】：Mutate function in dplyr not working with Rolling Means/ Moving Averagesdplyr 中的变异函数不适用于滚动平均值/移动平均线
【发布时间】：2019-01-20 18:25:50
【问题描述】：

首先，无论您是否有意见，感谢您抽出宝贵时间查看我的问题。

让我分解一下我在做什么、示例数据集和错误。

我目前拥有的是几个不同 ID 的数据，这些数据列出了每天的分散情况。（您将在下面看到）。我想遍历日期并向数据添加两列：滚动平均值列和滚动标准偏差列。

目前我写的代码是这样的：

library(zoo)
Testing1 <- function(dataset, k) {
ops <- data.frame()  
for (i in unique(dataset$Date)) {  
ops <- dataset %>% mutate(rolling_mean = rollmean(dataset$Dispersion,k)) %>% 
mutate(rolling_std = rollapply(dataset$Dispersion, width = k, FUN = sd))
}
Results <<- ops 
}

但是，我收到以下错误：

mutate_impl(.data, dots) 中的错误：列rolling_mean 的长度必须为 30（行数）或 1，而不是 26

我假设行差异是由于我为滚动平均值指定了 5 天窗口，这意味着它不会为前 4 行计算它。但是我该如何告诉 R 可以在这些行上输入 NA 呢？或者，如果你们有任何其他解决方案，那也可以。请帮忙。

以下是数据样本：

Identifier  Date    Dispersion
1000    2/15/2018   0.390
1000    2/16/2018   0.664
1000    2/17/2018   0.526
1000    2/18/2018   0.933
1000    2/19/2018   0.009
1000    2/20/2018   0.987
1000    2/21/2018   0.517
1000    2/22/2018   0.641
1000    2/23/2018   0.777
1000    2/24/2018   0.613
1001    2/15/2018   0.617
1001    2/16/2018   0.234
1001    2/17/2018   0.303
1001    2/18/2018   0.796
1001    2/19/2018   0.359
1001    2/20/2018   0.840
1001    2/21/2018   0.291
1001    2/22/2018   0.699
1001    2/23/2018   0.882
1001    2/24/2018   0.467
1002    2/15/2018   0.042
1002    2/16/2018   0.906
1002    2/17/2018   0.077
1002    2/18/2018   0.156
1002    2/19/2018   0.350
1002    2/20/2018   0.060
1002    2/21/2018   0.457
1002    2/22/2018   0.770
1002    2/23/2018   0.433
1002    2/24/2018   0.366

【问题讨论】：

标签： r dplyr zoo

【解决方案1】：

我会看看tibbletime。

假设您的数据框名为 mydata 并且 Date 列是一个字符：首先转换 Date，然后转换为时间感知 tibble：

library(dplyr)
library(tibbletime)

mydata <- mydata %>% 
  mutate(Date = as.Date(Date, "%m/%d/%Y")) %>% 
  as_tbl_time(index = Date)

现在您可以定义滚动平均值和标准差的函数：

mean_5 <- rollify(mean, window = 5) 
sd_5   <- rollify(sd,   window = 5) 

mydata %>% 
  mutate(rolling_mean = mean_5(Dispersion),
         rolling_std  = sd_5(Dispersion))

# A time tibble: 30 x 5
# Index: Date
   Identifier Date       Dispersion rolling_mean rolling_std
        <int> <date>          <dbl>        <dbl>       <dbl>
 1       1000 2018-02-15      0.39        NA          NA    
 2       1000 2018-02-16      0.664       NA          NA    
 3       1000 2018-02-17      0.526       NA          NA    
 4       1000 2018-02-18      0.933       NA          NA    
 5       1000 2018-02-19      0.009        0.504       0.342
 6       1000 2018-02-20      0.987        0.624       0.393
 7       1000 2018-02-21      0.517        0.594       0.394
 8       1000 2018-02-22      0.641        0.617       0.393
 9       1000 2018-02-23      0.777        0.586       0.367
10       1000 2018-02-24      0.613        0.707       0.182
# ... with 20 more rows

【讨论】：

【解决方案2】：

您收到此错误是因为滚动装置/标准差的长度与 Dispersion 的长度不匹配。只需在均值/标准差向量的开头添加 k - 1 NAs。

下面是一个工作示例。您可以根据需要进行修改。

my_function <- function(df, k) {
  df %>%
    mutate(
      rolling_mean = c(rep(NA, k - 1), rollmean(Dispersion, k)),
      rolling_std = c(rep(NA, k - 1), rollapply(Dispersion, width = k, FUN = sd))
    )
}

例如，您可能想要添加group_by 来计算每个标识符的这些值：

my_function <- function(df, k) {
  df %>%
    group_by(Identifier) %>%
    mutate(
      rolling_mean = c(rep(NA, k - 1), rollmean(Dispersion, k)),
      rolling_std = c(rep(NA, k - 1), rollapply(Dispersion, width = k, FUN = sd))
    )
}

更新跟进@G。格洛腾迪克的评论：

原来zoo 包已经具备处理NA 的综合功能，将上面给出的代码重构为：

my_function <- function(df, k) {
  df %>%
    mutate(
      rolling_mean = rollmeanr(Dispersion, k, fill = NA),
      rolling_std = rollapplyr(Dispersion, width = k, FUN = sd, fill = NA)
    )
}

【讨论】：