logo标签列表

如何在R中计算每个组的初始值差异？

r
7

I have data arranged like this in R:

indv    time    val
A          6    5
A         10    10
A         12    7
B          8    4
B         10    3
B         15    9

对于每个时间点的个体（indv），我想要计算从初始时间开始的值（val）变化。因此，我最终会得到类似这样的结果：

indv time   val val_1   val_change
A       6     5    5       0
A      10    10    5       5
A      12     7    5       2
B       8     4    4       0
B      10     3    4      -1
B      15     9    4       5

能否有人告诉我如何实现这个？我可以使用。
ddply(df, .(indv), function(x)x[which.min(x$time), ])

为了获得像这样的表格：
indv    time    val
A          6    5   
B          8    4

然而，我无法找出如何创建一个名为val_1的列，使每个个体的最小值能够匹配。但是，如果我能做到这一点，我应该能够使用类似以下代码添加val_change列：

df['val_change'] = df['val_1'] - df['val']

编辑：下面发布了两种优秀的方法，但两种方法都依赖于我的时间列已经排序，以便小的时间值在高的时间值之上。我不确定我的数据总是这种情况。(我知道我可以先在Excel中进行排序，但我想避免这样做)。如果表格出现这种情况，我该怎么办：

indv    time    value
A          10   10
A           6   5
A          12   7
B           8   4
B          10   3
B          15   9
3个回答
5
这里提供一个使用 data.table 的解决方案，可以通过引用在数据表内存中高效设置。通过设置关键变量，可以按照关键字进行排序。
library(data.table)
DT <- data.table(df)  
# set key to sort by indv then time
setkey(DT, indv, time)
DT[, c('val1','change') := list(val[1], val - val[1]),by = indv]
# And to show it works....
DT
##    indv time val val1 change
## 1:    A    6   5    5      0
## 2:    A   10  10    5      5
## 3:    A   12   7    5      2
## 4:    B    8   4    4      0
## 5:    B   10   3    4     -1
## 6:    B   15   9    4      5
4
你可以使用基本函数来完成此操作，根据你的数据。
df <- read.table(text = "indv    time    val
A   6   5
A   10  10
A   12  7
B   8   4
B   10  3
B   15  9", header = TRUE)

我们首先按照变量“indv”在数据框“df”上进行了分割，使用了函数split()。
sdf <- split(df, df$indv)

接下来，我们将每个sdf组件转换，以一种类似于您建议的方式添加val_1和val_change变量。
sdf <- lapply(sdf, function(x) transform(x, val_1 = val[1],
                                         val_change = val - val[1]))

最后，我们安排将个别组件按行绑定成一个单独的数据框。
df <- do.call(rbind, sdf)
df

这句话的意思是：“这将会得到：”
R> df
    indv time val val_1 val_change
A.1    A    6   5     5          0
A.2    A   10  10     5          5
A.3    A   12   7     5          2
B.4    B    8   4     4          0
B.5    B   10   3     4         -1
B.6    B   15   9     4          5

编辑

为了解决评论中提出的排序问题，修改 lapply() 的调用，在 transform() 之前包含一个排序步骤。例如：

sdf <- lapply(sdf, function(x) {
                     x <- x[order(x$time), ]
                     transform(x, val_1 = val[1],
                               val_change = val - val[1])
                   })

我们使用中有：
## scramble `df`
df <- df[sample(nrow(df)), ]
## split
sdf <- split(df, df$indv)
## apply sort and transform
sdf <- lapply(sdf, function(x) {
                     x <- x[order(x$time), ]
                     transform(x, val_1 = val[1],
                               val_change = val - val[1])
                   })
## combine
df <- do.call(rbind, sdf)

这句话的英译中是：“再次产生：”。
R> df
    indv time val val_1 val_change
A.1    A    6   5     5          0
A.2    A   10  10     5          5
A.3    A   12   7     5          2
B.4    B    8   4     4          0
B.5    B   10   3     4         -1
B.6    B   15   9     4          5
亲爱的Gavin，感谢您的帮助！该方法确实适用于我的数据，但仅当时间列排序后，早期值出现在后期值之前时才有效。我不确定我的数据是否总是按那种方式排序。如果时间顺序混乱，例如下表中：indv time value A 10 10 A 6 5 A 12 7 B 8 4 B 10 3 B 15 9，是否有类似的方法？ - Thomas
然后先按val排序或按time排序，无论你想要哪一种。先对数据框进行排序比在差分操作中处理它要容易得多。 - Gavin Simpson
1
我已经提出了一个解决方案。将来，为了避免回答的不断更新等问题，最好完整地阐述问题。希望我对问题所做的编辑有所帮助？ - Gavin Simpson
亲爱的加文，谢谢。是的，编辑后很有帮助。很抱歉我没有完整地表达问题，直到读到答案时才意识到我已经错误表述了。下次我会更小心的！ - Thomas
如何在lapply函数中执行以下操作，例如val_1+val_change。并将其赋值给变量new_val。 - dondapati
1
@user7462639 请提出一个带有可重现示例的新问题。 - Gavin Simpson
4
这是一个使用 ddply 的 plyr 解决方案。
ddply(df, .(indv), transform, 
      val_1 = val[1],
      change = (val - val[1]))

  indv time val val_1 change
1    A    6   5     5      0
2    A   10  10     5      5
3    A   12   7     5      2
4    B    8   4     4      0
5    B   10   3     4     -1
6    B   15   9     4      5

要获取您的第二个表格，请尝试以下操作：
ddply(df, .(indv), function(x) x[which.min(x$time), ])
  indv time val
1    A    6   5
2    B    8   4

编辑1

为了处理未排序的数据，就像你在编辑中发布的那样，请尝试以下操作：

unsort <- read.table(text="indv    time    value
A          10   10
A           6   5
A          12   7
B           8   4
B          10   3
B          15   9", header=T)


do.call(rbind, lapply(split(unsort, unsort$indv), 
                  function(x) x[order(x$time), ]))
    indv time value
A.2    A    6     5
A.1    A   10    10
A.3    A   12     7
B.4    B    8     4
B.5    B   10     3
B.6    B   15     9

现在，您可以将上述过程应用于已排序的数据框中

编辑2

更短的方法是使用doBy包中的sortBy函数对数据框进行排序

library(doBy)
orderBy(~ indv + time, unsort)
  indv time value
2    A    6     5
1    A   10    10
3    A   12     7
4    B    8     4
5    B   10     3
6    B   15     9

编辑3

您甚至可以使用ddply对您的数据框进行排序

ddply(unsort, .(indv, time), sort)
  value time indv
1     5    6    A
2    10   10    A
3     7   12    A
4     4    8    B
5     3   10    B
6     9   15    B
亲爱的Jilber，非常感谢您的帮助！但是，这只适用于“时间”列具有从低到高排序的值。我不确定在我的数据中是否总是这种情况，尽管我可以先在Excel中对其进行排序（但我正在尝试避免使用它）。当值未排序时，是否有一种方法，例如以下表格：indv时间价值A 10 10 A 6 5 A 12 7 B 8 4 B 10 3 B 15 9 - Thomas
亲爱的Jilber，你的编辑看起来非常好，非常感谢！我一整天都在尝试解决这个问题！现在我将使用我的真实数据进行测试，再次感谢您的帮助！！！ - Thomas
很高兴能有所帮助。请查看我的第二次编辑，以了解更短的方法来对您的数据框进行排序。 - Jilber Urbina
网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接