计算行之间的差异，但按组保留原始值

Question

我有一个数据框，其中包含按组划分的累积值，我需要将其重新计算回原始值。函数 lag 在这里工作得很好，但是我得到的不是序列中的第一个数字，而是 NA，或者两组之间的滞后。

如何代替 NA 值或组间差异获得组中的第一个数字？

我的虚拟数据：

# make example
df <- data.frame(id = rep(1:3, each = 5),
                 hour = rep(1:5, 3),
                 value = sample(1:15))

首先计算累计值，然后将其转换回行值。即 value 应该等于 valBack。建议 mutate(valBack = c(cumsum[1], (cumsum - lag(cumsum))[-1])) 只是将第一个 (NA) 值替换为正确的值，但不适用于每个组的第一个数字？

df %>%
  group_by(id) %>%
  dplyr::mutate(cumsum = cumsum(value)) %>% 
  mutate(valBack = c(cumsum[1], (cumsum - lag(cumsum))[-1]))  # skip the first value in a lag vector

结果：

   # A tibble: 15 x 5
# Groups:   id [3]
      id  hour value cumsum valBack
   <int> <int> <int>  <int>   <int>
 1     1     1    10     10      10   # this works
 2     1     2    13     23      13
 3     1     3     8     31       8
 4     1     4     4     35       4
 5     1     5     9     44       9
 6     2     1    12     12     -32    # here the new group start. The number should be 12, instead it is -32??
 7     2     2    14     26      14
 8     2     3     5     31       5
 9     2     4    15     46      15
10     2     5     1     47       1
11     3     1     2      2     -45      # here should be 2 istead of -45
12     3     2     3      5       3
13     3     3     6     11       6
14     3     4    11     22      11
15     3     5     7     29       7

我想要一个安全的计算，使我的 valBack 等于 value。（当然，在实际数据中我没有 value 列，只有 cumsum 列）

Answer 1

尝试：

library(dplyr)

df %>%
  group_by(id) %>%
  mutate(
    cumsum = cumsum(value),
    valBack = c(cumsum[1], (cumsum - lag(cumsum))[-1])
  )

给予：

# A tibble: 15 x 5
# Groups:   id [3]
      id  hour value cumsum valBack
   <int> <int> <int>  <int>   <int>
 1     1     1    10     10      10
 2     1     2    13     23      13
 3     1     3     8     31       8
 4     1     4     4     35       4
 5     1     5     9     44       9
 6     2     1    12     12      12
 7     2     2    14     26      14
 8     2     3     5     31       5
 9     2     4    15     46      15
10     2     5     1     47       1
11     3     1     2      2       2
12     3     2     3      5       3
13     3     3     6     11       6
14     3     4    11     22      11
15     3     5     7     29       7

Answer 2

虽然接受的答案有效，但它比需要的更复杂。如果您查看 lag 函数，您会发现它有不同的参数

dplyr::lag(x, n = 1L, default = NA, order_by = NULL, ...)

这里我们可以使用 default 并将其设置为 0 以获得所需的输出。往下看：

library(dplyr)

df %>%
  group_by(id) %>%
  mutate(cumsum  = cumsum(value), 
         rawdata = cumsum - lag(cumsum, default = 0))

#> # A tibble: 15 x 5
#> # Groups:   id [3]
#>       id  hour value cumsum rawdata
#>    <int> <int> <int>  <int>   <dbl>
#>  1     1     1     2      2       2
#>  2     1     2     1      3       1
#>  3     1     3    13     16      13
#>  4     1     4    15     31      15
#>  5     1     5    10     41      10
#>  6     2     1     3      3       3
#>  7     2     2     8     11       8
#>  8     2     3     4     15       4
#>  9     2     4    12     27      12
#> 10     2     5    11     38      11
#> 11     3     1    14     14      14
#> 12     3     2     6     20       6
#> 13     3     3     5     25       5
#> 14     3     4     7     32       7
#> 15     3     5     9     41       9

计算行之间的差异，但按组保留原始值

calculate difference between rows, but keep the raw value by group

r

dataframe

cumsum

dplyr