r - 删除 lag == 0 的成对行并使用 dplyr 和链接计算百分比变化
问题描述
我正在处理一个非常大的 tibble,并且想要计算这些表随时间的增长百分比(第一个条目到最后一个条目,而不是最大值到最小值)。我最终还希望将任何更改为 0 的表存储到它们自己的列表/小标题中,但将它们从原始输出表中删除。
数据集的示例如下所示:
date tbl_name row_cnt
2/12/2019 first 247
6/5/2019 first 247
4/24/2019 second 3617138
6/5/2019 second 3680095
3/1/2019 third 62700321
6/5/2019 third 63509189
4/24/2019 fourth 2
6/5/2019 fourth 2
... ... ...
并且该表的预期输出将是两个表,如下所示:
tbl_name pct_change
second 1.74
third 1.29
... ...
tbl_name
first
fourth
...
到目前为止,我已经能够安排观察,对它们进行分组,并成功过滤每个组的第一个和最后一个实例:
test_df <- df %>%
arrange(l.fully_qualf_tbl_nm) %>%
group_by(l.fully_qualf_tbl_nm) %>%
filter(row_number()==1 | row_number()==n()) %>%
mutate(pct_change = ((l.row_cnt/lag(l.row_cnt) - 1) * 100)) %>%
select(l.run_dt, l.fully_qualf_tbl_nm, pct_change) %>%
drop_na(pct_change)
但我的计算
mutate(pct_change = ((l.row_cnt/lag(l.row_cnt) - 1) * 100)) %>%
没有产生正确的结果。我从另一个讨论 %-change 的 SO 帖子中提取了我的 pct-change 计算,但我从我的手工计算中得到了不同的数字。
例如,我得到“second = 3.61”,但手动计算(以及 excel)得到 1.74。我也得到“第三 = 0.831”而不是手动得到 1.29。我的猜测是我没有正确指定我只希望对每个组(每对两行)进行计算。我想知道我是否应该单独计算滞后,或者我只是错误地实施了滞后()?
接下来,我认为新表将以某种方式创建
if return value of filter(row_number()==1 | row_number()==n()) %>% == 0, append to list/table
但老实说,我不知道该怎么做。我想知道我是否应该只做一个单独的函数并将其分配给一个新变量。
解决方案
df <- read.table(
header = T,
stringsAsFactors = F,
text = " date tbl_name row_cnt
2/12/2019 first 247
6/5/2019 first 247
4/24/2019 second 3617138
6/5/2019 second 3680095
3/1/2019 third 62700321
6/5/2019 third 63509189
4/24/2019 fourth 2
6/5/2019 fourth 2")
# Wrapping in parentheses assigns the output to test_df and also prints it
(test_df <- df %>%
group_by(tbl_name) %>%
mutate(pct_change = ((row_cnt/lag(row_cnt) - 1) * 100)) %>%
ungroup() %>%
filter(!is.na(pct_change)) %>% # Filter after pct_change calc, since we want to
# include change from 1:2 and from n-1:n
select(tbl_name, row_cnt, pct_change))
# A tibble: 4 x 3
tbl_name row_cnt pct_change
<chr> <int> <dbl>
1 first 247 0
2 second 3680095 1.74
3 third 63509189 1.29
4 fourth 2 0
要分成两张表,似乎可以这样做:
first_tbl <- test_df %>% filter(pct_change != 0) # or "pct_change > 0" for pos growth
second_tbl <- test_df %>% filter(pct_change == 0)
推荐阅读
- sql - 将变量插入openquery
- python - Azure 函数列表操作显示索引超出范围
- python - 气流-('连接中断:IncompleteRead(0字节读取)',IncompleteRead(0字节读取))
- firebase - Firebase:更新数据时避免读取
- postgresql - 从视图中选择时 Postgres 崩溃
- eclipse - Eclipse 中的 Github 设置(Sage X3)
- javascript - Javascript 轮播动画
- sqlite - 无法使用 sqlite 和 clojurescript 支持创建 luminus 项目
- oracle - Oracle SQL如何让数据库计算一列?
- ruby-on-rails - 导轨。在一个事务中创建一个对象及其关联