R在不平衡时间序列数据框中创建滞后变量

Question

我想在我的数据框中创建一个滞后变量。

我有一份时间清单c("20110127", "20110128", "20110129", "20110130", "20110131", "20110201", "20110202")。

我的数据框看起来像：

ID	TIME	VALUE
1	20110127	3.23
1	20110128	4.57
1	20110130	3.22
1	20110131	4.33
1	20110202	5.23
2	20110127	0.86
2	20110128	7.55
2	20110129	1.24
2	20110201	3.69

table 中的年份不是连续的。我想 group_by ID 然后创建一个一天的滞后变量。看起来像这样：

ID	TIME	VALUE	LAG
1	20110127	3.23	NA
1	20110128	4.57	3.23
1	20110130	3.22	NA
1	20110131	4.33	3.22
1	20110201	1.22	4.33
1	20110202	5.23	1.22
2	20110127	0.86	NA
2	20110128	7.55	0.86
2	20110129	1.24	7.55
2	20110201	3.69	NA

我试过了

alltime = c("20110127", "20110128", "20110129", "20110130", "20110131", "20110201", "20110202")

last_day = data %>%
    arrange(ID, TIME) %>%
    group_by(ID) %>%
    mutate(lagtime = alltime[which(alltime == TIME)+1], lagoutput = value ,value = NULL)
data %>%
    left_join(last_day)

但 mutate 函数似乎在这里不起作用。可能是 alltime[which(alltime == TIME)+1] 的问题，我无法创建延迟。

感谢任何评论。

Answer 1

我们可以使用 ifelse 语句。因此，如果行相隔 1 天（这里我使用 lubridate 转换为时间格式），则 return lag value 如果不是 return NA.

library(tidyverse)
library(lubridate)

df %>%
  arrange(ID, TIME) %>%
  group_by(ID) %>%
  mutate(LAG = ifelse(ymd(TIME) - lag(ymd(TIME)) == 1, lag(VALUE), NA))

输出

      ID     TIME VALUE   LAG
   <int>    <int> <dbl> <dbl>
 1     1 20110127  3.23 NA   
 2     1 20110128  4.57  3.23
 3     1 20110130  3.22 NA   
 4     1 20110131  4.33  3.22
 5     1 20110201  1.22  4.33
 6     1 20110202  5.23  1.22
 7     2 20110127  0.86 NA   
 8     2 20110128  7.55  0.86
 9     2 20110129  1.24  7.55
10     2 20110201  3.69 NA

数据

structure(list(ID = c(1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L), 
    TIME = c(20110127L, 20110128L, 20110130L, 20110131L, 20110201L, 
    20110202L, 20110127L, 20110128L, 20110129L, 20110201L), VALUE = c(3.23, 
    4.57, 3.22, 4.33, 1.22, 5.23, 0.86, 7.55, 1.24, 3.69)), class = "data.frame", row.names = c(NA, 
-10L))

Answer 2

您可以使用 diff() 和 lubridate::ymd() 来制作一个临时列，指示日期中是否存在间隔；然后利用该差距获得 VALUE

的条件滞后

data %>%
  group_by(ID) %>% 
  mutate(g = c(0,diff(lubridate::ymd(TIME))),
         LAG = if_else(g==1,lag(VALUE),as.double(NA))) %>% 
  select(-g)

输出：

     ID     TIME VALUE   LAG
  <int>    <int> <dbl> <dbl>
1     1 20110127  3.23 NA   
2     1 20110128  4.57  3.23
3     1 20110130  3.22 NA   
4     1 20110131  4.33  3.22
5     1 20110202  5.23 NA   
6     2 20110127  0.86 NA   
7     2 20110128  7.55  0.86
8     2 20110129  1.24  7.55
9     2 20110201  3.69 NA

R在不平衡时间序列数据框中创建滞后变量

R create lag variable in unbalance time series dataframe

r

dataframe

time-series

lag