R - 最近观察日期的 n 个观察值的平均值

Question

我有一个数据框，其中包含个人 ID、观察日期和度量标准。它看起来像这样:

ID  Date    Metric
a   Day 1     9
a   Day 2     8
a   Day 3     9
a   Day 4     8
a   Day 5     7
a   Day 6     6
a   Day 7     5
a   Day 8     4
a   Day 9     3
a   Day 10    3
b   Day 1     6
b   Day 2     7
b   Day 3     6
b   Day 4     7
b   Day 5     8
b   Day 6     9
b   Day 7     9
b   Day 8     9

我想将其压缩为 ID 上的一行，并添加变量(prev2、prev3、prev4、prev5)来计算自最近观察日期以来的 n 个观察的平均值(但不包括平均值中的最后一个日期)。例如 - “prev2”是最近 2 次观察的平均值，“prev3”是最近 3 次观察的平均值。因此 ID A 的 prev2 是第 8 天和第 9 天的平均值 (3.5)。 ID B 的 prev3 是第 5、6、7 天 (8.67) 的平均值。最终从最近/最大日期回顾并平均一系列观察结果。

它应该是这样的:

ID  lastDate    metric_avg  prev2   prev3   prev4   prev5   
a   Day 10      6.2          3.5     4       4.5      5 
b   Day 8       7.63           9    8.67    8.25    7.8 

我正在尝试创建预测变量来分析我公司的人员流失。在离开工作的 1 个月或 2 个月后，约翰尼的绩效指标发生了变化，可以预测吉米在不久的将来是否会减员。

任何关于如何分析这些数据的建议或想法都会非常棒!

谢谢!

Answer 1

我会使用 dplyr , tidyr和 magrittr .

数据

df <- 
    data.frame(ID=c(rep("a", 10), rep("b", 8), rep("c", 3), "d"),
               Date=c(paste("Day", 1:10), paste("Day", 1:8), paste("Day", 11:13), "Day 8"),
               Metric=c(9, 8, 9, 8, 7, 6, 5, 4, 3, 3, 6, 7, 6, 7, 8, 9, 9, 9, 3, 1, 8, 10))

代码

library(tidyr); library(dplyr); library(magrittr)

df %<>% separate(Date, into=c("d1", "d2")) %>% 
        arrange(ID, as.numeric(d2)) %>% 
        group_by(ID) %>% 
        mutate(last_Date=paste("Day", max(as.numeric(d2))), 
               metric_Avg=mean(Metric), 
               prev2=(lag(Metric)+lag(Metric, 2))/2,
               prev3=(lag(Metric)+lag(Metric, 2)+lag(Metric, 3))/3,
               prev4=(lag(Metric)+lag(Metric, 2)+lag(Metric, 3)+lag(Metric, 4))/4,
               prev5=(lag(Metric)+lag(Metric, 2)+lag(Metric, 3)+lag(Metric, 4)+lag(Metric, 5))/5) %>% 
       ungroup %>% 
       filter(last_Date==paste(d1, d2)) %>% 
       select(ID, last_Date, metric_Avg, prev2, prev3, prev4, prev5)

df

输出

  ID     last_Date   metric_Avg   prev2    prev3    prev4   prev5
1  a     Day 10      6.200        3.5      4.000    4.50    5.0
2  b     Day 8       7.625        9.0      8.667    8.25    7.8
3  c     Day 13      4.000        2.0      NA       NA      NA
4  d     Day 8       10.000       NA       NA       NA      NA

备注

如果您的 Date列有日期然后使用 lubridate包裹。代码的前几行是:

df$Date <- ymd(df$Date) # id the Date is of the form yyyy-mm-dd or yyyy/mm/dd

df %<>% arrange(ID, Date) %>% group_by(ID) %>% mutate(last_Date= max(Date)...