R 计算每周值的年同比变化(有额外的复杂性)

Question

我有一个每日值(value)的数据集。时间跨度为 2018 年 12 月 1 日至 2020 年 4 月 1 日。

列是“日期”和“值”。如下所示:

date <- c("2018-12-01","2000-12-02", "2000-12-03",
     ...
      "2020-03-30","2020-03-31","2020-04-01")

value <- c(1592,1825,1769,1909,2022, .... 2287,2169,2366,2001,2087,2099,2258)

df <- data.frame(date,value)

我想做的是按周对值求和，然后计算从当前年份到上一年的周环比变化。

我知道我可以使用以下函数按周求和:

Data_week <-  df%>% group_by(category ,week = cut(date, "week")) %>% mutate(summed= sum(value))

我的问题有两个:

1) 我如何按周求和然后操作数据框，以便我可以计算每周的变化(例如 2019 年 12 月 1 日周/2018 年 12 月 1 日周)。

2) 我怎样才能在上面做到这一点，但使用“定制”周。假设我想将一周定义为从我有数据的最新日期向后移动 7 天。例如。最近一周我会是从 3 月 26 日开始的一周(4 月 1 日 -7 天)。

Answer 1

我们可以使用 dplyr 中的 lag 来提供帮助，也可以使用 lubridate 中的一些便利函数。

library(dplyr)
library(lubridate)
df %>% 
  mutate(year = year(date)) %>%
  group_by(week = week(date),year) %>%
  summarize(summed = sum(value)) %>%
  arrange(year, week) %>%
  ungroup %>%
  mutate(change = summed - lag(summed))
#    week  year summed  change
#   <dbl> <dbl>  <dbl>   <dbl>
# 1    48  2018  3638.     NA 
# 2    49  2018 15316.  11678.
# 3    50  2018 13283.  -2033.
# 4    51  2018 15166.   1883.
# 5    52  2018 12885.  -2281.
# 6    53  2018  1982. -10903.
# 7     1  2019 14177.  12195.
# 8     2  2019 14969.    791.
# 9     3  2019 14554.   -415.
#10     4  2019 12850.  -1704.
#11     5  2019  1907. -10943.

如果您想以不同的方式定义“周”，还有 isoweek 和 epiweek。看这个answer以获得对您的选择的很好解释。

数据

set.seed(1)
df <- data.frame(date = seq.Date(from = as.Date("2018-12-01"), to = as.Date("2019-01-29"), "days"), value = runif(60,1500,2500))