R dplyr滚动总和

Question

我正在通过 dplyr 实现滚动总和计算，但在我的数据库中，我有许多变量只有一个或只有几个观察值，导致（k 小于 n）错误。我试图在 thisj 示例中使用过滤器和合并解决此问题，但想知道是否有一种方法可以在 dplyr 中更优雅、更自动地执行此操作。请看下面的例子

    #create data
    dg = expand.grid(site = c("Boston","New York"),
                     year = 2000:2004)
    dg$animal="dog"
    dg$animal[10]="cat";dg$animal=as.factor(dg$animal)
    dg$count = rpois(dim(dg)[1], 5)

如果我运行下面的代码，因为我只有一行 "cat"，其中一个会得到（错误：k <= n 不正确）错误

#running average
dg2 = dg %>%
  arrange(site,year,animal) %>%
  group_by(site,animal) %>%
#   filter(animal=="dog") %>%
  mutate(roll_sum = rollsum(x = count, 2, align = "right", fill = NA))

我试图通过使用以下代码来解决这个问题，该代码过滤掉 "cat" 值并进行后续合并，但我想知道是否可以直接在 dplyr 中执行此操作，尤其是在这个解决方案必须提前指定/知道每个变量的唯一行数，如果要更改滚动总和的范围等则手动调整

dg2 = dg %>%
  arrange(site,year,animal) %>%
  group_by(site,animal) %>%
  filter(animal=="dog") %>%
  mutate(roll_sum = rollsum(x = count, 2, align = "right", fill = NA))

merge(dg,dg2,c("site", "year","animal","count"),all.x=TRUE)

       site year animal count roll_sum
1    Boston 2000    dog     5       NA
2    Boston 2001    dog     6       11
3    Boston 2002    dog     6       12
4    Boston 2003    dog     5       11
5    Boston 2004    dog     3        8
6  New York 2000    dog     8       NA
7  New York 2001    dog     3       11
8  New York 2002    dog    12       15
9  New York 2003    dog     3       15
10 New York 2004    cat     3       NA

非常感谢 - W

Answer 1

 library(dplyr)
 dg %>% 
   arrange(site,year,animal) %>% 
   group_by(site,animal) %>% 
   mutate(rollsum=cumsum(count))

Answer 2

如果样本大小 (n) 小于 window 大小 (k)，您可以改用 RcppRoll::roll_sum，其中 returns NA。

set.seed(1)
dg$count = rpois(dim(dg)[1], 5) 
library(RcppRoll)
library(dplyr)
dg %>%
     arrange(site,year,animal) %>%
     group_by(site, animal) %>%
     mutate(roll_sum = roll_sum(count, 2, align = "right", fill = NA))    
#       site year animal count roll_sum
#1    Boston 2000    dog     4       NA
#2    Boston 2001    dog     5        9
#3    Boston 2002    dog     3        8
#4    Boston 2003    dog     9       12
#5    Boston 2004    dog     6       15
#6  New York 2000    dog     4       NA
#7  New York 2001    dog     8       12
#8  New York 2002    dog     8       16
#9  New York 2003    dog     6       14
#10 New York 2004    cat     2       NA

Answer 3

来自 RcppRoll 的

roll_Sum 将 return 一个 NA 代替错误，只要数据点的数量小于 window 大小。

但是，如果您想要 return 当前数据点数量的总和 - 即使小于 window 大小，您可以使用 zoo 中的 rollapplyr 函数。

library(zoo)
library(dplyr)

   dg %>%
         arrange(site,year,animal) %>%
         group_by(site, animal) %>%
         mutate(roll_sum = roll_sum(count, 2, align = "right", fill = NA)) %>%
         mutate(rollapply_sum =rollapplyr(count, 2, sum, partial = TRUE) )

Rollapply_sum 将 return 原始值或当前数据点的总和，即使它小于 window 大小而不是 returning NA。

       site  year animal count roll_sum rollapply_sum
     (fctr) (int) (fctr) (int)    (dbl)         (int)
1    Boston  2000    dog     4       NA             4
2    Boston  2001    dog     5        9             9
3    Boston  2002    dog     3        8             8
4    Boston  2003    dog     9       12            12
5    Boston  2004    dog     6       15            15
6  New York  2000    dog     4       NA             4
7  New York  2001    dog     8       12            12
8  New York  2002    dog     8       16            16
9  New York  2003    dog     6       14            14
10 New York  2004    cat     2       NA             2

R dplyr滚动总和

R dplyr rolling sum

r

dplyr