R中的Split和Diff函数答案

【问题标题】：Split and Diff function in RR中的Split和Diff函数
【发布时间】：2013-11-08 21:29:50
【问题描述】：

我有一个名为 data 的数据框。我正在使用名为 KEY 的属性使用 split 函数拆分数据。

data <- split(data, data$KEY);

通过 KEY 拆分数据框后，我们得到的是各个公司的数据。数据框数据包含宇宙中所有公司的数据。拆分后，每个单独的拆分都有两列，年份和销售额。对于每个拆分，我必须计算每年对应的增量销售额。例如，如果我们有 2002 - 10、2003 - 12、2004 - 15、2005 - 20 的数据。我有兴趣获得的数据是 2003-2、2004 -3、2005 - 5，对于每个拆分。我编写了一个名为 mod_sale 的函数来执行上述工作：

data[with(data, order(year)),];
sale_data <- diff(data$SALE);
data <- data[-1,];
data$SALE <- sale_data;
return(data)

目前，我正在使用 for 循环：

for(key in names(data)){
a <- try(mod_sale(data[[key]]))
if(class(a) == "try-error") next;
mod_data <- rbind(mod_data,a)};

我认为有某种方法，我可以使用 sapply（也可能是 plyr）。有人可以帮我改进这个 R 代码吗？不知道 sapply 代码会怎样。

sapply(data, mod_sale)

任何帮助将不胜感激。谢谢。

编辑：

这是一个数据示例：

a <- data.frame();
key <- c(1,1,1,1,2,2,2,2,2,3,3,3);
sales <- c(12,12,15,8,3,6,3,9,9,12,3,7);
year <- c(2002,2003,2004,2005,2001,2002,2003,2004,2005,2003,2004,2005);
ovar <- runif(12,5.0,7.5);
a <- data.frame(key,sales,year,ovar)

在生成的 data.frame 中，我期望的是增量销售而不是实际销售。显然，我们会为 3 个 key 丢失 3 个数据点；每个起始年一个，因为我们正在考虑差异。因此，结果 data.frame 中将少三行，其中包含 key、diff(sales)、year 和 ovar 列。

【问题讨论】：

如果您不提供最低限度的工作示例（包括数据），将很难为您提供帮助。
代码改进类型的东西在我们可以看到的可重现示例中效果更好
这是对您前两个问题的改进，但仍然很难提供帮助，因为我们没有 data 可以单独使用。

标签： r

【解决方案1】：

这就是我会做的：

a$diffsales <- ave( a$sales, a$key, FUN=function(x) c(NA, diff(x) ) )
a
   key sales year     ovar diffsales
1    1    12 2002 6.845177        NA
2    1    12 2003 6.328153         0
3    1    15 2004 6.872669         3
4    1     8 2005 6.098920        -7
5    2     3 2001 7.154824        NA
6    2     6 2002 6.110810         3
7    2     3 2003 5.906624        -3
8    2     9 2004 5.214369         6
9    2     9 2005 5.818218         0
10   3    12 2003 5.354354        NA
11   3     3 2004 6.728992        -9
12   3     7 2005 7.412213         4

【讨论】：

【解决方案2】：

感谢您尝试展示您的尝试。谢谢。

以后尽量提供一个小例子，像这样：

df <- data.frame(year = 2001:2010,
                 sale = sample(20,10))

df <- rbind(df,df,df)
df$key <- rep(letters[1:3],each = 10)

这使您的数据看起来更清晰，并且让试图回答的人非常轻松。您为我们做的越简单，您得到的答案就越快+更好。

我建议在拆分前进行排序：

#Sort first (already sorted, but you get the idea)
df <- df[order(df$key,df$year),]
df_split <- split(df,df$key)

您实际上并不想使用sapply。（试试看。）你只需要lapply：

out <- lapply(df_split,function(x) {x$sale_diff <- c(NA,diff(x$sale)); x[-1,]})

你会再次使用：

do.call(rbind,out)

你说得对，plyr 或data.table 也可以这样做。我会把这些例子留给其他人。

【讨论】：

【解决方案3】：

使用data.table:

library(data.table)
dt = data.table(a)

dt[, sale_diff := c(NA, diff(sales)), by = key]
dt
#    key sales year     ovar sale_diff
# 1:   1    12 2002 7.416857        NA
# 2:   1    12 2003 5.625818         0
# 3:   1    15 2004 5.018934         3
# 4:   1     8 2005 6.671986        -7
# 5:   2     3 2001 6.242739        NA
# 6:   2     6 2002 6.297763         3
# 7:   2     3 2003 6.482124        -3
# 8:   2     9 2004 6.724256         6
# 9:   2     9 2005 5.071265         0
#10:   3    12 2003 6.136681        NA
#11:   3     3 2004 6.974392        -9
#12:   3     7 2005 6.517553         4

【讨论】：