r - 将基准年索引添加到具有多个组的 R 数据框

Question

我有一个包含很少分组变量的年度时间序列数据框，我需要添加一个基于特定年份的索引列。

df <- data.frame(YEAR = c(2000,2001,2002,2000,2001,2002), 
                 GRP = c("A","A","A","B","B","B"),
                 VAL = sample(6))

我想创建一个简单的变量 VAL 索引，即值除以基准年的值，比如 2000:

df$VAL.IND <- df$VAL/df$VAL[df$YEAR == 2000]

这是不对的，因为它不尊重分组变量 GRP。我试过 plyr 但我无法让它工作。

在我的实际问题中，我有几个具有不同时间序列的分组变量，因此我正在寻找一个非常通用的解决方案。

Answer 1

我们可以在分组变量 ('GRP') 内进行计算后创建 'VAL.IND'。这可以通过多种方式完成。

一种选择是 data.table我们从“data.frame”( setDT(df) )创建“data.table”，按“GRP”分组，我们将“VAL”除以“VAL”，对应于“YEAR”值为 2000。

 library(data.table)
 setDT(df)[, VAL.IND := VAL/VAL[YEAR==2000], by = GRP]

注意: base YEAR 对结果有点困惑。在这个例子中，'A' 和 'B' GRP 都有 'YEAR' 2000。假设，如果 OP 打算使用最小的 YEAR 值(考虑到它是数字列)， VAL/VAL[YEAR==2000]上面代码中可以用 VAL/VAL[which.min(YEAR)]代替.

或者你可以使用类似的代码 dplyr .我们按“GRP”分组并使用 mutate创建“VAL.IND”

 library(dplyr)
 df %>%
    group_by(GRP) %>%
    mutate(VAL.IND = VAL/VAL[YEAR==2000])

在这里，如果我们需要更换 VAL/VAL[YEAR==2000]与 VAL/VAL[which.min(YEAR)]
一个 base R选项与 split/unsplit .我们 split数据集按'GRP'列转换 data.frame到 list数据帧，循环遍历 list输出 lapply , 使用 transform 创建一个新列(或 within)并转换 list将添加的列恢复为单个 data.frame来自 unsplit .

  unsplit(lapply(split(df, df$GRP), function(x) 
          transform(x, VAL.IND= VAL/VAL[YEAR==2000])), df$GRP)

请注意，我们也可以使用 do.call(rbind而不是 unsplit .但是，我更喜欢 unsplit获得与原始数据集相同的行顺序。