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
技术标签:
【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
【讨论】:
以上是关于如何为 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?的主要内容,如果未能解决你的问题,请参考以下文章
带有 all=True 的 merge.data.table 引入了 NA 行。它是不是正确?
R语言dataframe(data.table)使用用最近的前一个非NA值向前填充缺失值NA实战
在双错误类型的连接列中使用 NA 的 data.table 内部/外部连接?