在R中，如何根据不同的列标准计算数据框中的y / y和w / w？

如何解决在R中，如何根据不同的列标准计算数据框中的y / y和w / w？

我有很多数据框，其中包含多列，其中包含日期，地区，产品和销售数量，涵盖了不同的行业。这是我在说什么的简化示例

pick

我正在尝试为此数据计算y / y变化，并按product_type和region进行过滤。再一次，这是一个更加简单的版本，我拥有多年以来每种产品和地区的52周数据。结果应如下所示。

Year = c((rep(c(2015),5)),(rep(c(2015)+1,(rep(c(2015)+2,5)))
Month = as.factor(c("JAN","FEB","MAR","APR","MAY"))
Week = as.factor(c(1,2,3,4,5))
product_type = as.factor(c("Yellow","Green","Red","Blue","Black"))
region = as.factor(c("North","North","South","South"))
Sales = c(1000,2000,3000,4000,5000,1500,2200,2800,4500,6000,5200)
df = data.frame(date,product_type,region,Sales)
df

   Year Month Week product_type region Sales
1  2015   JAN    1       Yellow  North  1000
2  2015   FEB    2        Green  North  2000
3  2015   MAR    3          Red  North  3000
4  2015   APR    4         Blue  South  4000
5  2015   MAY    5        Black  South  5000
6  2016   JAN    1       Yellow  North  1500
7  2016   FEB    2        Green  North  2200
8  2016   MAR    3          Red  North  2800
9  2016   APR    4         Blue  South  4500
10 2016   MAY    5        Black  South  2000
11 2017   JAN    1       Yellow  North  3000
12 2017   FEB    2        Green  North  4000
13 2017   MAR    3          Red  North  5000
14 2017   APR    4         Blue  South  6000
15 2017   MAY    5        Black  South  5200

我的问题是，不同的数据集具有不同的长度，可能缺少一年的数据，或者名称完全不同。

到目前为止，我的解决方案是使用data.table和tidyverse库过滤出一个“ product_type”和一个“区域”，然后使用shift（）计算一个日期与另一个日期的差。这就需要我创建新的数据框架，需要过滤的硬代码，这会使我的代码太长，以至于其他人都无法理解或检查。由于我的实际数据集包含数百万行数据，因此该解决方案还需要我花费一些时间来编写代码并在markdown中运行。

这是我正在处理的列的示例

Year Month Week product_type region Sales y/y
2016   JAN    1       Yellow  North  1500 50.0%
2016   FEB    2        Green  North  2200 10.0%
2016   MAR    3          Red  North  2800 ---
2016   APR    4         Blue  South  4500 ---
2016   MAY    5        Black  South  2000
2017   JAN    1       Yellow  North  3000
2017   FEB    2        Green  North  4000
2017   MAR    3          Red  North  5000
2017   APR    4         Blue  South  6000
2017   MAY    5        Black  South  5200

我想知道是否有一种方法可以执行计算，但是要求“ product_type”和“ region”值都相同，但日期不同。能做到吗？如果没有，可以使用SQL或python完成吗？我在这两个方面都有一定的经验，但是非常生锈。

任何建议也将有所帮助，谢谢！

解决方法

尝试一下：

df <- df %>%
  group_by(product_type,region) %>%
  mutate("y/y" = if_else(Year == (lag(Year) + 1),(Sales/lag(Sales)) - 1,NA_real_))%>%
  group_by(Year) %>%
  mutate(month_num = match(Month,toupper(month.abb))) %>%
  mutate("m/m" = if_else(month_num == lag(month_num) + 1,NA_real_)) %>%
  mutate("w/w" = if_else(Week == (lag(Week) + 1),NA_real_))

df

滞后会查看上一行，如果您按产品类型和地区进行分组，则会在每个组的前一行进行查看。

例如，如果product_type和region是Yellow和North，则将2016年的销售数量除以2015年的销售数量（并减去1，因此是.5而不是1.5）。

如果if_else跳过一年，它将捕获，并且仅当年份连续时才计算y / y％。使用if_else（与基本ifelse相反）要求true和false值具有相同的类型，因此NA_real_。

逻辑可理解为：如果当前组行日期等于上一行的日期+ 1（2016 == 2015 + 1），则计算y / y％，否则计算NA。

,

这使用data.table，但是如果您愿意，可以使用dplyr进行

library(data.table)
setDT(df)
df[order(date),.(
  date = tail(date,-1),`y/y` = 100*(exp(diff(log(Sales))/diff(date))-1)
  ),.(product_type,region)]

该公式通过假设从一个数据点到下一个数据点的整个期间的常数y/y返回常数来说明缺少的年份。

---

对于更新的数据集，这是一个稍有不同的问题-大概是每周销售，因此，如果您希望按年或按月更改，则必须首先进行一些汇总。

对于每周的计算，您只需要计算要放入顺序日期列中的内容，也许是df[,date := (Year - 2015)*52 + Week]，然后上面的代码就会起作用。或者，也许您可​​以计算出每一行所指的实际一周的第一天并使用它。