最近年份之间的百分比变化答案

【问题标题】：percentage change between closest years最近年份之间的百分比变化
【发布时间】：2019-02-24 02:49:38
【问题描述】：

我在创建新变量Growth 时遇到问题，它等于以“2”和“7”结尾的最近年份之间Population 的百分比变化。

# dt
ID       Population      year
1                50      1995
1                60      1996
1                70      1997
1                80      1998
1                90      1999
1               100      2000
1               105      2001
1               110      2002
1               120      2003
1               130      2004
1               140      2005
1               150      2006
1               200      2007
1               300      2008

dt <- data.table::fread("ID       Population      year
1                50      1995
  1                60      1996
  1                70      1997
  1                80      1998
  1                90      1999
  1               100      2000
  1               105      2001
  1               110      2002
  1               120      2003
  1               130      2004
  1               140      2005
  1               150      2006
  1               200      2007
  1               300      2008", header = T)

增长 = 以“2”和“7”结尾的最近年份之间流行音乐的百分比变化。例如，在这一年：
1996 年：（1997 年流行音乐 – 1992 年流行音乐）/ 1992 年流行音乐
1997 年：（2002 年流行音乐 – 1997 年流行音乐）/ 1997 年流行音乐
1998 年：（2002 年流行音乐 – 1997 年流行音乐）/ 1997 年流行音乐
1999 年：（2002 年流行音乐 – 1997 年流行音乐）/ 1997 年流行音乐
2000 年：（2002 年流行音乐 – 1997 年流行音乐）/ 1997 年流行音乐
2001 年：（2002 年流行音乐 – 1997 年流行音乐）/ 1997 年流行音乐
2002：（2007 流行 - 2002 流行）/ 2002 流行
2003 年：（2007 年流行音乐 – 2002 年流行音乐）/ 2002 年流行音乐
2004 年：（2007 年流行音乐 – 2002 年流行音乐）/ 2002 年流行音乐
2005 年：（2007 年流行音乐 – 2002 年流行音乐）/ 2002 年流行音乐
2006 年：（2007 年流行音乐 – 2002 年流行音乐）/ 2002 年流行音乐
2007：（2012 流行 - 2007 流行）/ 2007 流行
2008：（2012 流行 - 2007 流行）/2007 流行

但是，当我操作Growth 时，我需要按列ID 执行此操作。而且，年份的范围是从1970年到2018年，范围很广。我如何在data.table 中做到这一点？

【问题讨论】：

在您的示例中，1992 Pop 不存在，那么您将如何计算 1996 的 Growth？ 2012 流行音乐也不存在

标签： r data.table data-manipulation

【解决方案1】：

这是一种可能的data.table 方法：

#calculate the 5-yearly percentage changes first by 
#i) first creating all combinations of ID and 5-yearly years
#2) then join with the original dataset 
#3) then leading the Population column and calculating Growth
pctChange <- dt[CJ(ID=ID, year=seq(1967, 2022, 5), unique=TRUE), 
    .(ID, year, Growth=(shift(Population, type="lead") - Population) / Population), 
    on=.(ID, year)]    

#then perform a rolling join (`roll=TRUE`; see ?data.table) and 
#then update the original dt with Growth by reference (i.e. `:=`)
dt[, Growth := pctChange[dt, Growth, on=.(ID, year), roll=TRUE]]
dt

输出：

    ID Population year    Growth
 1:  1         50 1995        NA
 2:  1         60 1996        NA
 3:  1         70 1997 0.5714286
 4:  1         80 1998 0.5714286
 5:  1         90 1999 0.5714286
 6:  1        100 2000 0.5714286
 7:  1        105 2001 0.5714286
 8:  1        110 2002 0.8181818
 9:  1        120 2003 0.8181818
10:  1        130 2004 0.8181818
11:  1        140 2005 0.8181818
12:  1        150 2006 0.8181818
13:  1        200 2007        NA
14:  1        300 2008        NA

注意点：滚动连接似乎不适用于更新连接

dt[pctChange, Growth := Growth, on=.(ID, year), roll=TRUE]

【讨论】：

太棒了。如果我想被ID操作怎么办？在on = .(ID, year) 中添加ID？不确定
谢谢。上面CJ的功能是什么？
它是来自data.table 的交叉连接函数。您可能想查看?data.table::CJ

【解决方案2】：

不是data.table 解决方案，但您可以在tidyverse 中执行此操作，这可能会给您一些想法。基本上使用整数除法%/% 计算每一行要比较的年份，然后将表连接到自身上，这样我们就可以在每一行中获得比较值。然后使用您的公式计算增长很简单。

library(tidyverse)
dt <- read_table("ID       Population      year
1                50      1995
1                60      1996
1                70      1997
1                80      1998
1                90      1999
1               100      2000
1               105      2001
1               110      2002
1               120      2003
1               130      2004
1               140      2005
1               150      2006
1               200      2007
1               300      2008")
dt %>%
  mutate(compare_year = 5 * year %/% 5 - 3) %>%
  left_join(dt, by = c("ID", "compare_year" = "year")) %>%
  mutate(growth = (Population.x - Population.y) / Population.y)
#> # A tibble: 14 x 6
#>       ID Population.x  year compare_year Population.y growth
#>    <int>        <int> <int>        <dbl>        <int>  <dbl>
#>  1     1           50  1995         1992           NA NA    
#>  2     1           60  1996         1992           NA NA    
#>  3     1           70  1997         1992           NA NA    
#>  4     1           80  1998         1992           NA NA    
#>  5     1           90  1999         1992           NA NA    
#>  6     1          100  2000         1997           70  0.429
#>  7     1          105  2001         1997           70  0.5  
#>  8     1          110  2002         1997           70  0.571
#>  9     1          120  2003         1997           70  0.714
#> 10     1          130  2004         1997           70  0.857
#> 11     1          140  2005         2002          110  0.273
#> 12     1          150  2006         2002          110  0.364
#> 13     1          200  2007         2002          110  0.818
#> 14     1          300  2008         2002          110  1.73

由reprex package (v0.2.0) 于 2018 年 9 月 19 日创建。

【讨论】：

【解决方案3】：

类似于@calum_you，但按照 OP 中的要求使用最近的 5 年增长。

样本数据

dt <- data.table::fread("ID       Population      year
1                50      1995
  1                60      1996
  1                70      1997
  1                80      1998
  1                90      1999
  1               100      2000
  1               105      2001
  1               110      2002
  1               120      2003
  1               130      2004
  1               140      2005
  1               150      2006
  1               200      2007
  1               300      2008", header = T) %>%
  as_data_frame()

1) 5 年增长率表

dt_5yr <- dt %>% 
  filter(year %% 10 %in% c(2,7)) %>%
  group_by(ID) %>%   # I assume there will be more IDs in full data
  mutate(growth_5yr = Population / lag(Population) - 1) %>%
  ungroup()

2) 将原始表加入到 5 年增长率

dt %>%
  mutate(join_yr = year + 5 - (year + 3) %% 5) %>%
  left_join(dt_5yr %>% select(join_yr = year, growth_5yr))

输出

   ID Population year join_yr growth_5yr
1   1         50 1995    1997         NA
2   1         60 1996    1997         NA
3   1         70 1997    2002  0.5714286
4   1         80 1998    2002  0.5714286
5   1         90 1999    2002  0.5714286
6   1        100 2000    2002  0.5714286
7   1        105 2001    2002  0.5714286
8   1        110 2002    2007  0.8181818
9   1        120 2003    2007  0.8181818
10  1        130 2004    2007  0.8181818
11  1        140 2005    2007  0.8181818
12  1        150 2006    2007  0.8181818
13  1        200 2007    2012         NA
14  1        300 2008    2012         NA

【讨论】：