如何计算考虑日期的组间测量值的差异

Question

我正在苦苦思索如何计算按日期、按组排列的第一个值和最后一个值之间的差异。这是一个玩具示例：

  test1 = data.frame(my_groups = c("A", "A", "A", "B", "B", "B", "C", "C", "C",  "A", "A", "A"),
                     measure = c(10, 20, 5, 64, 2, 62 ,2, 5, 4, 6, 7, 105),
                     #distance = c(),
                     time= as.Date(c("20-09-2020", "25-09-2020", "19-09-2020", "20-05-2020", "20-05-2020", "20-06-2021", 
                             "11-01-2021", "13-01-2021", "13-01-2021", "15-01-2021", "15-01-2021", "19-01-2021"), format = "%d-%m-%Y"))
  
  # test1 %>% arrange(my_groups, time)
  #    my_groups measure       time
  # 1          A       5 2020-09-19
  # 2          A      10 2020-09-20
  # 3          A      20 2020-09-25
  # 4          A       6 2021-01-15
  # 5          A       7 2021-01-15
  # 6          A     105 2021-01-19
  # 7          B      64 2020-05-20
  # 8          B       2 2020-05-20
  # 9          B      62 2021-06-20
  # 10         C       2 2021-01-11
  # 11         C       5 2021-01-13
  # 12         C       1 2021-01-13

#desired result
  #    my_groups    diff            
  # 1          A     100 (105 - 5)
  # 2          B       2 (64 - 62)
  # 3          C       1 (1 - 2)

desired result 中括号内的等式只是为了说明diff 的来源。

任何提示我该怎么做？

Answer 1

data.frame 中的示例数据与您的控制台输出不匹配，因此结果会有所不同。

两种方法，取决于几个因素。

1. 假设订单是外部控制的，

   test1 %>%
     group_by(my_groups) %>%
     slice(c(1, n())) %>%
     summarize(diff = diff(measure))
   # # A tibble: 3 x 2
   #   my_groups  diff
   #   <chr>     <dbl>
   # 1 A            95
   # 2 B            -2
   # 3 C             2
   

   或者只是

   test1 %>%
     group_by(my_groups) %>%
     summarize(diff = measure[n()] - measure[1])
   

   这样做的好处是它可以解决下面方法 2 的问题（与which.max 相关）：如果您自己控制排序，则可以保证使用您需要的第一个/最后一个值。

   注意，对于这部分，我假设您在示例数据中提供给我们的数据顺序是相关的。我假设有某种方法可以保证找到您的结果。有了您的最新评论，我们可以在总结前arrange，并与您更接近您想要的结果

   test1 %>%
     arrange(time, -measure) %>%      # this is the "external" sorting I mentioned, so we don't need which.min/.max
     group_by(my_groups) %>%
     summarize(diff = measure[n()] - measure[1])
   # # A tibble: 3 x 2
   #   my_groups  diff
   #   <chr>     <dbl>
   # 1 A           100
   # 2 B            -2
   # 3 C             2
   

2. 没有预排序，我们可以使用which.min和which.max。这样做的问题是，当出现平局时，它可能不会选择您想要的那个。

   test1 %>%
     group_by(my_groups) %>%
     summarize(diff = measure[which.max(time)] - measure[which.min(time)])
   # # A tibble: 3 x 2
   #   my_groups  diff
   #   <chr>     <dbl>
   # 1 A           100
   # 2 B            -2
   # 3 C             3
   

Answer 2

test1 %>%
    dplyr::group_by(my_groups) %>%
    dplyr::mutate(
        first = min(time), last = max(time),
    ) %>% 
    dplyr::select(-time, -measure) %>%
    dplyr::distinct() %>%
    dplyr::mutate(diff = first - last) %>%
    dplyr::select(-first, -last)