Как рассчитать процентное изменение внутри группы для нескольких столбцов в R?
У меня есть кадр данных с столбцом идентификатора, столбцом даты (12 месяцев для каждого идентификатора), и у меня есть 23 числовых переменных. Я хотел бы получить процентное изменение по месяцам в каждом ID. Я использую пакет quantmod, чтобы получить процентное изменение.
Вот пример с тремя столбцами (для простоты):
ID Date V1 V2 V3
1 Jan 2 3 5
1 Feb 3 4 6
1 Mar 7 8 9
2 Jan 1 1 1
2 Feb 2 3 4
2 Mar 7 8 8
Я попытался использовать dplyr и функцию summaryise, но это не увенчалось успехом. В частности, я попробовал следующее (поезд - это имя набора данных):
library(dplyr)
library(quantmod)
group1<-group_by(train,EXAMID)
foo<-function(x){
return(Delt(x))
}
summarise_each(group1,funs(foo))
Я также попытался использовать функцию do в dplyr, но мне это тоже не удавалось (имея плохую ночь, я думаю!).
Я думаю, что проблема заключается в функции Delt. Когда я заменяю Delt на функцию sum:
foo<-function(x){
return(sum(x))
}
summarise_each(group1,funs(foo))
В результате каждая переменная суммируется по дате для каждого идентификатора. Итак, как можно изменить процент за месяц по сравнению с месяцем для каждого идентификатора?
Ответы
Ответ 1
Как насчет использования pct <- function(x) x/lag(x)? (или (x/lag(x)-1)*100, или же вы хотите точно указать изменение pct), например,
pct(1:3)
[1] NA 2.0 1.5
Изменить: добавление предложения Фрэнка
pct <- function(x) {x/lag(x)}
dt %>% group_by(ID) %>% mutate_each(funs(pct), c(V1, V2, V3))
ID Date V1 V2 V3
1 Jan NA NA NA
1 Feb 1.500000 1.333333 1.2
1 Mar 2.333333 2.000000 1.5
2 Jan NA NA NA
2 Feb 2.000000 3.000000 4.0
2 Mar 3.500000 2.666667 2.0
Ответ 2
Проблема, с которой вы работаете, заключается в том, что ваши данные не форматируются "аккуратно". У вас есть наблюдения (V1: V3), которые находятся в столбцах, создающих "широкий" кадр данных. "Tidyverse" лучше всего работает с длинным форматом. Хорошая новость заключается в том, что функция gather() вы можете получить именно то, что вам нужно. Вот решение, использующее "tidyverse".
library(tidyverse)
# Recreate data set
df <- tribble(
~ID, ~Date, ~V1, ~V2, ~V3,
1, "Jan", 2, 3, 5,
1, "Feb", 3, 4, 6,
1, "Mar", 7, 8, 9,
2, "Jan", 1, 1, 1,
2, "Feb", 2, 3, 4,
2, "Mar", 7, 8, 8
)
df
#> # A tibble: 6 × 5
#> ID Date V1 V2 V3
#> <dbl> <chr> <dbl> <dbl> <dbl>
#> 1 1 Jan 2 3 5
#> 2 1 Feb 3 4 6
#> 3 1 Mar 7 8 9
#> 4 2 Jan 1 1 1
#> 5 2 Feb 2 3 4
#> 6 2 Mar 7 8 8
# Gather and calculate percent change
df %>%
gather(key = key, value = value, V1:V3) %>%
group_by(ID, key) %>%
mutate(lag = lag(value)) %>%
mutate(pct.change = (value - lag) / lag)
#> Source: local data frame [18 x 6]
#> Groups: ID, key [6]
#>
#> ID Date key value lag pct.change
#> <dbl> <chr> <chr> <dbl> <dbl> <dbl>
#> 1 1 Jan V1 2 NA NA
#> 2 1 Feb V1 3 2 0.5000000
#> 3 1 Mar V1 7 3 1.3333333
#> 4 2 Jan V1 1 NA NA
#> 5 2 Feb V1 2 1 1.0000000
#> 6 2 Mar V1 7 2 2.5000000
#> 7 1 Jan V2 3 NA NA
#> 8 1 Feb V2 4 3 0.3333333
#> 9 1 Mar V2 8 4 1.0000000
#> 10 2 Jan V2 1 NA NA
#> 11 2 Feb V2 3 1 2.0000000
#> 12 2 Mar V2 8 3 1.6666667
#> 13 1 Jan V3 5 NA NA
#> 14 1 Feb V3 6 5 0.2000000
#> 15 1 Mar V3 9 6 0.5000000
#> 16 2 Jan V3 1 NA NA
#> 17 2 Feb V3 4 1 3.0000000
#> 18 2 Mar V3 8 4 1.0000000
