Блог

Я пытаюсь понять, как я могу рассчитать разницу между первым и последним значением, расположенным по дате, по группам. Вот игрушечный пример:

 test1 = data.frame(my_groups = c("A", "A", "A", "B", "B", "B", "C", "C", "C", "A", "A", "A"),  measure = c(10, 20, 5, 64, 2, 62 ,2, 5, 4, 6, 7, 105),  #distance = c(),  time= as.Date(c("20-09-2020", "25-09-2020", "19-09-2020", "20-05-2020", "20-05-2020", "20-06-2021",   "11-01-2021", "13-01-2021", "13-01-2021", "15-01-2021", "15-01-2021", "19-01-2021"), format = "%d-%m-%Y"))    # test1 %gt;% arrange(my_groups, time)  # my_groups measure time  # 1 A 5 2020-09-19  # 2 A 10 2020-09-20  # 3 A 20 2020-09-25  # 4 A 6 2021-01-15  # 5 A 7 2021-01-15  # 6 A 105 2021-01-19  # 7 B 64 2020-05-20  # 8 B 2 2020-05-20  # 9 B 62 2021-06-20  # 10 C 2 2021-01-11  # 11 C 5 2021-01-13  # 12 C 1 2021-01-13  #desired result  # my_groups diff   # 1 A 100 (105 - 5)  # 2 B 2 (64 - 62)  # 3 C 1 (1 - 2)  

Уравнение внутри скобок desired result просто для того, чтобы показать, откуда diff оно взялось.

Любой намек на то, как я могу это сделать?

Ваши данные образца data.frame не совпадают с выводом на консоль, поэтому результаты будут другими.

Два метода, в зависимости от нескольких факторов.

1. Предполагая, что порядок контролируется извне,

    test1 %gt;%  group_by(my_groups) %gt;%  slice(c(1, n())) %gt;%  summarize(diff = diff(measure)) # # A tibble: 3 x 2 # my_groups diff # lt;chrgt; lt;dblgt; # 1 A 95 # 2 B -2 # 3 C 2  

   или просто

    test1 %gt;%  group_by(my_groups) %gt;%  summarize(diff = measure[n()] - measure[1])  

   Преимущество этого заключается в том, что это устраняет проблему с подходом 2 ниже (связь which.max ): если вы сами контролируете порядок, вы гарантированно используете первые/последние значения, которые вам нужны.

   ОБРАТИТЕ внимание, что для этой части я предполагаю, что порядок данных, которые вы предоставили нам в своих образцах данных, имеет значение. Я предполагаю, что есть какой-то способ гарантировать, что ваши результаты будут найдены. С вашим последним комментарием мы сможем arrange до подведения итогов и приблизиться к вашим желаемым результатам с помощью

    test1 %gt;%  arrange(time, -measure) %gt;% # this is the "external" sorting I mentioned, so we don't need which.min/.max  group_by(my_groups) %gt;%  summarize(diff = measure[n()] - measure[1]) # # A tibble: 3 x 2 # my_groups diff # lt;chrgt; lt;dblgt; # 1 A 100 # 2 B -2 # 3 C 2  

2. Без предварительной сортировки мы можем использовать which.min и which.max . Проблема в том, что при возникновении связей он может выбрать не тот, который вам нужен.

    test1 %gt;%  group_by(my_groups) %gt;%  summarize(diff = measure[which.max(time)] - measure[which.min(time)]) # # A tibble: 3 x 2 # my_groups diff # lt;chrgt; lt;dblgt; # 1 A 100 # 2 B -2 # 3 C 3  

 test1 %gt;%  dplyr::group_by(my_groups) %gt;%  dplyr::mutate(  first = min(time), last = max(time),  ) %gt;%   dplyr::select(-time, -measure) %gt;%  dplyr::distinct() %gt;%  dplyr::mutate(diff = first - last) %gt;%  dplyr::select(-first, -last)