计算 R 中连续多次测量的平均实际可变性

【问题标题】：Calculate average real variability for successive multiple measurements in R计算 R 中连续多次测量的平均实际可变性
【发布时间】：2022-11-14 09:13:09
【问题描述】：

我有一个长格式的数据框，一列 (B) 包括列 (A) 中值之间的绝对连续差异，分别用于每个人的 ID。

ID = c("1", "1", "1", "1", "1", "1", "1", "2", "2", "2", "2", "2", "2")
A = c("120", "115", "125", "119", "128", "129", "130", "140", "142", "143", "145", "144", "148")
B = c("NA", "5", "10", "6", "9", "1", "1", "NA", "2", "1", "2", "1", "4")

DF <- data.frame(ID, A, B)

我想创建一个新列 (C)，即每个值之前和包括每个值的绝对差之和除以（用于计算它的测量次数减去 1）。
这就是我希望数据的样子：

我希望这是有道理的，非常感谢任何帮助！

【问题讨论】：

标签： r lag

【解决方案1】：

这是一个整洁的解决方案。您可以先group_byID，然后将B 的累积和（cumsum）除以row_number 减一。您只能在省略每个组的第一行并将其替换为NA 后执行此操作

另请注意，在您的示例中，“数字”列实际上是字符向量，因此必须先强制转换为数字。

library(tidyverse)

DF %>%
  mutate(across(A:B, (x) suppressWarnings(as.numeric(x)))) %>%
  group_by(ID) %>%
  mutate(C = c(NA, cumsum(B[-1])/(row_number() - 1)[-1]))
#> # A tibble: 13 x 4
#> # Groups:   ID [2]
#>    ID        A     B     C
#>    <chr> <dbl> <dbl> <dbl>
#>  1 1       120    NA NA   
#>  2 1       115     5  5   
#>  3 1       125    10  7.5 
#>  4 1       119     6  7   
#>  5 1       128     9  7.5 
#>  6 1       129     1  6.2 
#>  7 1       130     1  5.33
#>  8 2       140    NA NA   
#>  9 2       142     2  2   
#> 10 2       143     1  1.5 
#> 11 2       145     2  1.67
#> 12 2       144     1  1.5 
#> 13 2       148     4  2

^{创建于 2022 年 11 月 11 日，reprex v2.0.2}

【讨论】：