r - 如何在数据表中按天数滞后值

Question

假设我有一个数据表:

id    dt          val1   val2
1   '2014-01-01'  100     200 
2   '2014-01-01'  100     200
3   '2014-01-01'  100     200
4   '2014-01-01'  100     200
...
9   '2014-01-14'  1000   1100
10  '2014-01-14'  1000   1100

有 100 行 - 十天的十个 ID 中的每一个的 val1 和 val2。

我需要根据 id 为可变天数准备一组滞后值。例如，如果我想要延迟两天，我会看到以下内容:

id    dt          val1   val2  val1_lag  val2_lag
1   '2014-01-01'  100     200    NA         NA
2   '2014-01-01'  100     200    NA         NA
...
1   '2014-01-03'  300     400    100       200
2   '2014-01-03'  300     400    100       200
...
1   '2014-01-09'  500     600    300       400
...
9   '2014-01-14'  1000   1100    800       900

请注意，在 1 月 9 日，之前的值是从 1 月 4 日开始的。没有恰好两天前的日期，因此它返回最接近 1 月 7 日(1 月 9 日减去两天)但不大于 1 月 7 日的值。每天都会机械地发生。例如，在 1 月 3 日，使用 1 月 1 日的值，因为它们最接近 1 月 3 日减去两天。

有一个并发症。由于周末和节假日，无法保证滞后日期恰好是滞后值。我想要最近的值，至少提前 x 天。

有没有办法利用数据表的力量来做到这一点？您可以使用以下方法构建测试表:

library(data.table)
a <- rep(c(1:10), 10)
b <- rep(c(seq(as.Date("2014-01-01"), by = 1, len = 4), seq(as.Date("2014-01-09"), by = 1, len = 6)), 10)
c <- rep(seq(100, by = 100, len = 10), 10)
d <- rep(seq(200, by = 100, len = 10), 10)
e <- data.frame(a, b, c, d)
colnames(e) <- c("id", "dt", "val1", "val2")
setDT(e)
setkeyv(e, c("id", "dt"))

我的直觉告诉我要使用类似这个公式的东西来创建滞后值，我只是在努力寻找一种方法来为多列自动执行此操作:

setDT(e)[, ??][by = id]

编辑:我更改了我的代码以反射(reflect)由周末、节假日等造成的潜在日期差距。

Answer 1

这是一个使用不同的最小示例的解决方案，可能更容易理解(并涵盖更多案例)。

library(data.table)
lag <- 2;
dt <- data.table(id = c(1,1,1,1,2,2), 
                 dt = as.Date(c("2014-1-1", "2014-1-4", "2014-1-6", "2014-1-7", "2014-1-1", "2014-1-10")),
                 val1 = sample(10, 6),
                 val2 = sample(10, 6))
dt
   id         dt val1 val2
1:  1 2014-01-01    8    7
2:  1 2014-01-04   10    5
3:  1 2014-01-06    3    3
4:  1 2014-01-07    7    2
5:  2 2014-01-01    2    1
6:  2 2014-01-10    5    6

dt1 <- copy(dt)
dt1[, laggedDate:=dt]
setkey(dt1, "id", "laggedDate")

dt2 <- copy(dt)
dt2[, laggedDate:=dt-2]
setkey(dt2, "id", "laggedDate")

setnames(dt1, c("dt","val1", "val2"), c("dt.lagged", "val1.lagged", "val2.lagged"))
dt1[dt2, roll=TRUE]
   id laggedDate  dt.lagged val1.lagged val2.lagged         dt val1 val2
1:  1 2013-12-30       <NA>          NA          NA 2014-01-01    8    7
2:  1 2014-01-02 2014-01-01           8           7 2014-01-04   10    5
3:  1 2014-01-04 2014-01-04          10           5 2014-01-06    3    3
4:  1 2014-01-05 2014-01-04          10           5 2014-01-07    7    2
5:  2 2013-12-30       <NA>          NA          NA 2014-01-01    2    1
6:  2 2014-01-08 2014-01-01           2           1 2014-01-10    5    6

此处的关键是使用 data.table 的滚动连接功能。如果您对此感到不舒服，请查看 this blog post .