Dplyr: lead() и lag() неправильно при использовании с group_by()

Я хочу найти элементы lead() и lag() в каждой группе, но имел некоторые неправильные результаты.

Например, данные выглядят так:

library(dplyr)
df = data.frame(name=rep(c('Al','Jen'),3),
                score=rep(c(100, 80, 60),2))
df

Данные:

  name score
1   Al   100
2  Jen    80
3   Al    60
4  Jen   100
5   Al    80
6  Jen    60

Теперь я пытаюсь найти оценки lead() и lag() для каждого человека. Если я сортирую его с помощью аранжировки(), я могу получить правильный ответ:

df %>%
  arrange(name) %>%
  group_by(name) %>%
  mutate(next.score = lead(score),
         before.score = lag(score) )

OUTPUT 1:

Source: local data frame [6 x 4]
Groups: name

      name score next.score before.score
    1   Al   100         60           NA
    2   Al    60         80          100
    3   Al    80         NA           60
    4  Jen    80        100           NA
    5  Jen   100         60           80
    6  Jen    60         NA          100

Без аорты() результат неверен:

df %>%
  group_by(name) %>%
  mutate(next.score = lead(score),
         before.score = lag(score) )

OUTPUT2:

Source: local data frame [6 x 4]
Groups: name

  name score next.score before.score
1   Al   100         80           NA
2  Jen    80         60           NA
3   Al    60        100           80
4  Jen   100         80           60
5   Al    80         NA          100
6  Jen    60         NA           80

Например, в 1-й строке Al next.score должен быть 60 (3-я строка).

Кто-нибудь знает, почему это произошло? Зачем аранжировать() влияет на результат (значения, а не только порядка)? Благодаря ~

Ответы

Ответ 1

Кажется, вам нужно передать дополнительный аргумент в функции задержки и ввода. Когда я запускаю вашу функцию без аранжировки, но с добавлением order_by все выглядит нормально.

df %>%
group_by(name) %>%
mutate(next.score = lead(score, order_by=name),
before.score = lag(score, order_by=name))

Вывод:

  name score next.score before.score
1   Al   100         60           NA
2  Jen    80        100           NA
3   Al    60         80          100
4  Jen   100         60           80
5   Al    80         NA           60
6  Jen    60         NA          100

My sessionInfo():

R version 3.1.1 (2014-07-10)
Platform: x86_64-w64-mingw32/x64 (64-bit)

locale:
[1] LC_COLLATE=Polish_Poland.1250  LC_CTYPE=Polish_Poland.1250        LC_MONETARY=Polish_Poland.1250
[4] LC_NUMERIC=C                   LC_TIME=Polish_Poland.1250    

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
[1] dplyr_0.4.1

loaded via a namespace (and not attached):
[1] assertthat_0.1  DBI_0.3.1       lazyeval_0.1.10 magrittr_1.5                parallel_3.1.1  Rcpp_0.11.5    
[7] tools_3.1.1

Ответ 2

Использование order_by является хорошим, когда у вас есть только одна переменная группировки. В случае множественной переменной группировки я не мог найти какое-либо решение, кроме как писать и читать таблицу, чтобы избавиться от группировки переменных. Он работал очень хорошо для меня, но его эффективность зависит от размера таблицы.

Ответ 3

Может случиться так, что вместо этого будет использоваться stats::lag (например, при восстановлении сред с помощью пакета session). Это может легко проскользнуть незамеченным, так как не приведет к ошибке при использовании, как в вопросе. Проверьте еще раз, просто набрав lag, используйте conflicted пакет или устраните неоднозначность вызова функции, вызвав вместо этого dplyr::lag.