识别连续值变化的类型 - R

Question

我有一个数据集，可以跟踪不同类型对象随时间的数值变化。所以我有 ID、度量、年月和变化的列。与之前的值相比，更改列对于发生的更改具有 TRUE 值。除非发生其他更改，否则该值之前和之后的任何常量都标记为 FALSE。

我希望能够做到以下几点：

1. 能够设置阈值。因此，标记任何超过特定数字的价值案例。例如，如果阈值为 5，则标记高于或低于该阈值的任何情况，但不标记仅从 2 变为 4 的情况。

2. 创建一个值变化的列。例如，-2 表示从 5 减少到 3，2 表示从 5 增加到 7。

          # <chr> <int>     <int>   <lgl> 
        # 1   A     2        2019-2 FALSE 
        # 2   A     2        2019-3 FALSE 
        # 3   A     2        2019-4 FALSE 
        # 4   A     5        2019-5 TRUE  
        # 5   A     5        2019-5 FALSE 
        # 6   A     4        2019-8 TRUE 
        # 7   A     4        2019-9 TRUE 
        # 8   B     23       2019-5 FALSE 
        # 9   B     7        2019-9 TRUE  
        #10   B     7        2020-5 FALSE 
        # … with 11 more rows
   

Answer 1

此dplyr 解决方案允许您获取列中的更改量，并且还将创建一个逻辑列，如果在任一方向上超过阈值，您将在其中获得TRUE。例如，在第 4 行中，该值已从 2 增加到 5，因此已超过阈值。但是，在第 5 行，该值保持在 5，因此第 4 行和第 5 行之间没有超过阈值。当我们到达第 6 行时，该值已降至 4，低于阈值，因此我们得到 @987654323 @在这一行再次。

为了清楚起见，我已将阈值设置为 4.5。

library(dplyr)

threshold <- 4.5

df %>%
  group_by(group) %>%
  mutate(change_amount  = c(0, diff(value)),
         crossed_thresh = sign(lag(value - threshold)) !=
                          sign(value - threshold),
         crossed_thresh = ifelse(is.na(crossed_thresh), FALSE,
                                 crossed_thresh))
#> # A tibble: 10 x 6
#> # Groups:   group [2]
#>    group value month  change change_amount crossed_thresh
#>    <chr> <int> <chr>  <lgl>          <dbl> <lgl>         
#>  1 A         2 2019-2 FALSE              0 FALSE         
#>  2 A         2 2019-3 FALSE              0 FALSE         
#>  3 A         2 2019-4 FALSE              0 FALSE         
#>  4 A         5 2019-5 TRUE               3 TRUE          
#>  5 A         5 2019-5 FALSE              0 FALSE         
#>  6 A         4 2019-8 TRUE              -1 TRUE          
#>  7 A         4 2019-9 TRUE               0 FALSE         
#>  8 B        23 2019-5 FALSE              0 FALSE         
#>  9 B         7 2019-9 TRUE             -16 FALSE         
#> 10 B         7 2020-5 FALSE              0 FALSE

---

数据

df <- structure(list(group = c("A", "A", "A", "A", "A", "A", "A", "B", 
"B", "B"), value = c(2L, 2L, 2L, 5L, 5L, 4L, 4L, 23L, 7L, 7L), 
    month = c("2019-2", "2019-3", "2019-4", "2019-5", "2019-5", 
    "2019-8", "2019-9", "2019-5", "2019-9", "2020-5"), change = c(FALSE, 
    FALSE, FALSE, TRUE, FALSE, TRUE, TRUE, FALSE, TRUE, FALSE
    )), class = "data.frame", row.names = c(NA, -10L))

df
#>    group value  month change
#> 1      A     2 2019-2  FALSE
#> 2      A     2 2019-3  FALSE
#> 3      A     2 2019-4  FALSE
#> 4      A     5 2019-5   TRUE
#> 5      A     5 2019-5  FALSE
#> 6      A     4 2019-8   TRUE
#> 7      A     4 2019-9   TRUE
#> 8      B    23 2019-5  FALSE
#> 9      B     7 2019-9   TRUE
#> 10     B     7 2020-5  FALSE

Answer 2

data.table 库很有帮助，尤其是它的 shift 功能。

#reproduction of dataset
df <- data.table(col1 = c('A','A','A','A','A','A','A','A','A','A'),
           col2 = c(2,2,2,5,5,4,4,23,7,7))

添加两列

首先我们检查行是否与前一行相同

df[,Identical :=(col2 == shift(col2)) ]

第二次我们将价值差异添加到前一个

df[,change := col2 - shift(col2, 1)]

它提供所需的输出

    col1 col2 Identical change
 1:    A    2    NA     NA
 2:    A    2  TRUE      0
 3:    A    2  TRUE      0
 4:    A    5 FALSE      3
 5:    A    5  TRUE      0
 6:    A    4 FALSE     -1
 7:    A    4  TRUE      0
 8:    A   23 FALSE     19
 9:    A    7 FALSE    -16
10:    A    7  TRUE      0