如何为 data.table 中不包括 NA 的更多变量添加滞后并导致每个观察结果？

Posted 2023-03-31

【中文标题】如何为 data.table 中不包括 NA 的更多变量添加滞后并导致每个观察结果？

【英文标题】：How to add lag and lead to each observations for more variables excluding NAs within data.table?

【发布时间】：2016-01-20 10:44:07

【问题描述】：

我有一个类似这样的data.table：

library(data.table)
mydt <- data.table(id = LETTERS[1:6], x = 1:6, y = 2:3) 
> mydt
   id x y
1:  A 1 2
2:  B 2 3
3:  C 3 2
4:  D 4 3
5:  E 5 2
6:  F 6 3

我想用添加滞后来替换值列并导致每个观察结果（即x[-1] + x + x[1]）。我可以用惊人的shift() 功能做这样的事情。

cols <- c('x', 'y')
mydt[
    ,
    (cols) := shift(.SD, 1) + .SD + shift(.SD, 1, type = 'lead'),
    .SDcols = cols
][]
   id  x  y
1:  A NA NA
2:  B  6  7
3:  C  9  8
4:  D 12  7
5:  E 15  8
6:  F NA NA

但这会为没有超前/滞后值的行引入 NA。如何修改计算以仅对这些行使用可用的两个值（如na.rm = TRUE）？这样输出将是

   id  x  y
1:  A  3  5
2:  B  6  7
3:  C  9  8
4:  D 12  7
5:  E 15  8
6:  F 11  5

我尝试使用sum(..., na.rm = TRUE) 而不是+ 运算符，但这会产生错误：Error in sum(shift(.SD, 1), .SD, shift(.SD, 1, type = "lead"), na.rm = TRUE) : invalid 'type' (list) of argument。

我也尝试了以下方法，但这显然给出了其他结果。

mydt[
    ,
    (cols) := lapply(
        .SD, 
        function(x) sum(shift(x, 1), x, shift(x, 1, type = 'lead'), na.rm = TRUE)
    ),
    .SDcols = cols
][]
   id   x  y
1:  A 126 90
2:  B 126 90
3:  C 126 90
4:  D 126 90
5:  E 126 90
6:  F 126 90

【问题讨论】：

或许mydt[, (cols):=lapply(.SD, function(x) shift(x, fill=0)+x+shift(x, type="lead", fill=0)) , .SDcols= cols]

@akrun 您可以发布答案，因为无论如何我都不会。不错的尝试@jan btw，你在data.table 中取得了不错的进展:)

谢谢，我是如此接近...请作为答案发布，以便我接受它

@DavidArenburg 没关系。你首先提出了这个想法，所以你可以发布它。

在这种情况下，我建议@jan 回答自己，因为他完成了大部分工作。无论哪种方式，我都不会发帖。

【参考方案1】：

正如@akrun 和@DavidArenburg 所指出的，shift 函数有一个fill 参数可以解决这个问题。

cols <- c('total_open', 'total_send')
mydt[
    ,
    (cols) := shift(.SD, 1, fill = 0) + .SD + shift(.SD, 1, type = 'lead', fill = 0),
    .SDcols = cols
][]
   id  x y
1:  A  3 5
2:  B  6 7
3:  C  9 8
4:  D 12 7
5:  E 15 8
6:  F 11 5