在dplyr中如何处理重叠的分组？

Question

我正在尝试根据分组因素计算“滚动”摘要统计信息。是否有一种好的方法可以基于（比如）有序因素来处理（重叠）组？

例如，假设我想通过组来计算val的总和。

df <- data.frame(grp = c("a", "a", "b", "b", "c", "c", "c"),
                 val = rnorm(7))

对于基于 grp 的群组，这很容易：

df %>% group_by(grp) %>% summarise(total = sum(val))

# result:
  grp   total
1   a  1.6388
2   b  0.7421
3   c  1.1707

然而，我想做的是计算连续组（“a”和“b”，然后“b”和“c”等）的“滚动”总和。期望的输出结果应该类似于这样：

  grp1 grp2   total
1    a    b  1.6388
2    b    c  0.7421

我在使用dplyr时遇到了麻烦。特别是，我似乎无法弄清如何获得“重叠”的分组 - 上面示例中的“b”行应该分成 两个 输出组。

- Ben

---

只需要澄清一下...你所说的这些组将会被排序吗？如果它们像a,b,c,a,c,d,b,a这样是连续的，那该怎么办？ - vrajs5

没错，它们将被排序。原则上，它们不需要被排序，顺序（即我想要配对的哪些）基于它们作为有序因子的顺序，而不是它们作为数据框行的顺序。 - Ben

Answer 1

尝试使用lag：

df %>% 
   group_by(grp) %>% 
   arrange(grp) %>%
   summarise(total = sum(val)) %>% 
   mutate(grp1 = lag(grp), grp2 = grp, total = total + lag(total)) %>%
   select(grp1, grp2, total) %>%
   na.omit

- G. Grothendieck

---

我遇到了一个错误。（在Mac上使用R 3.1.0的SL版本，使用dplyr版本0.2）。错误信息为：在select(df %>% group_by(grp) %>% arrange(grp) %>% summarise(total = sum(val)) %>% mutate(grp1 = lag(grp), grp2 = grp, total = total + lag(total)), : unused arguments (grp1, grp2, total) 。（有趣的是，解析似乎颠倒了操作顺序。） - IRTFM

每次对我都有效。为了确保，请在新的会话中尝试一下。我正在使用来自CRAN的dplyr 0.2和“R版本3.1.0 Patched（2014-05-09 r65562）”。 - G. Grothendieck