una sumar style promedio matriz los filas div datos concatenar columnas columna r dataframe lag

sumar - tags$div shiny



restar valor de la fila anterior por grupo (2)

Con dplyr :

library(dplyr) data %>% group_by(id) %>% arrange(date) %>% mutate(diff = value - lag(value, default = first(value)))

Para mayor claridad, puede arrange por date y columna de agrupación (según el comment del lawyer )

data %>% group_by(id) %>% arrange(date, .by_group = TRUE) %>% mutate(diff = value - lag(value, default = first(value)))

o lag con order_by :

data %>% group_by(id) %>% mutate(diff = value - lag(value, default = first(value), order_by = date))

Con data.table :

library(data.table) dt <- as.data.table(data) setkey(dt, id, date) dt[, diff := value - shift(value, fill = first(value)), by = id]

En R, digamos que tengo este marco de datos:

Data id date value 2380 10/30/12 21.01 2380 10/31/12 22.04 2380 11/1/12 22.65 2380 11/2/12 23.11 20100 10/30/12 35.21 20100 10/31/12 37.07 20100 11/1/12 38.17 20100 11/2/12 38.97 20103 10/30/12 57.98 20103 10/31/12 60.83

Y quiero restar el valor anterior del valor actual, por fecha de ID de grupo, para crear esto:

id date value diff 2380 10/30/12 21.01 0 2380 10/31/12 22.04 1.03 2380 11/1/12 22.65 0.61 2380 11/2/12 23.11 0.46 20100 10/30/12 35.21 0 20100 10/31/12 37.07 1.86 20100 11/1/12 38.17 1.1 20100 11/2/12 38.97 0.8 20103 10/30/12 57.98 0 20103 10/31/12 60.83 2.85


Puede hacer esto con la función ave :

data$diff <- ave(data$value, data$id, FUN=function(x) c(0, diff(x))) data # id date value diff # 1 2380 2012-10-30 00:15:51 21.01 0.00 # 2 2380 2012-10-31 00:31:03 22.04 1.03 # 3 2380 2012-11-01 00:16:02 22.65 0.61 # 4 2380 2012-11-02 00:15:32 23.11 0.46 # 5 20100 2012-10-30 00:15:38 35.21 0.00 # 6 20100 2012-10-31 00:15:48 37.07 1.86 # 7 20100 2012-11-01 00:15:49 38.17 1.10 # 8 20100 2012-11-02 00:15:19 38.97 0.80 # 9 20103 2012-10-30 10:27:34 57.98 0.00 # 10 20103 2012-10-31 12:24:42 60.83 2.85

El primer argumento son los datos que se utilizarán, el segundo argumento es el grupo y el último argumento es la función que se aplicará a los datos de cada grupo.