如何生成嵌套在多列中的数据滞后？

Question

我的目标是计算嵌套在空间单位中的年龄组随时间的增长率。我正在使用的数据框的结构是这样的（但要大得多）：

set.seed(1234)

df <- data.frame(Time = c(1,1,1,1,2,2,2,2,3,3,3,3),
                 Region = rep(c("A", "A", "B", "B"),3),
                 Age = rep(c(1,2), 6),
                 No_Persons = round(rnorm(12, mean = 10),0))

在Region 的每个类别中，我需要将No_Persons 从一年到另一年（Time）以及Age 组1 和2 之间的变化。所以基本上操作将是Age2_Time2 /Age1_Time1。我尝试使用各种lag-functions 以及data.table::shift 来实现我的目标，但无法让它发挥作用。例如，我虽然这会给我想要的结果，但它只会吐出NAs：

library(tidyverse)

df %>% 
  group_by(Region) %>%
  mutate(Ratio = No_Persons / dplyr::lag(No_Persons,
                                      n = 1,
                                      order_by = "Age"))

我通过使用pivot_wider 得到正确的结果，然后通过使用列手动计算增长率，如下所示：

df %>% 
  pivot_wider(names_from = "Age", values_from = "No_Persons") %>%
  group_by(Region) %>%
  mutate(Ratio = `2` / dplyr::lag(`1`, order_by = Time))

# A tibble: 6 x 5
# Groups:   Region [2]
   Time Region   `1`   `2`  Quote
  <dbl> <chr>  <dbl> <dbl>  <dbl>
1     1 A          9    10 NA    
2     1 B         11     8 NA    
3     2 A         10    11  1.22 
4     2 B          9     9  0.818
5     3 A          9     9  0.9  
6     3 B         10     9  1    

但是，由于原始数据集有更多的年龄组，这变得乏味且容易出错。我更喜欢程序化解决方案。

Answer 1

更新答案

根据您的评论，我重构了最小数据集df，包含 3 个时间点、2 个区域和 3 个年龄组。

set.seed(1234)
time.number = 3
region.number = 2
age.number = 3
total.number = time.number * region.number * age.number
df <-
  data.frame(
    Time = rep(1:time.number, each = region.number * age.number),
    Region = rep(LETTERS[1:region.number], each = age.number),
    Age = rep(seq(1, age.number), region.number),
    No_Persons = round(rnorm(total.number, mean = 10), 0)
  )
df

以下解决方案也应适用于您的真实数据。

library(data.table)
library(magrittr)
# set df as data.table
setDT(df)

# calculate the number from real data
age.number <- df[,Age] %>% unique() %>% length()
region.number <- df[,Region] %>% unique() %>% length()

df[,.(V1=.SD[1:age.number-1,No_Persons],
      V2=.SD[2:age.number,No_Persons]),
   by = .(Time,Region)][,Radio:=V2/lag(V1,region.number)][]

结果：

   Time Region V1 V2    Radio
 1:    1      A  9 10       NA
 2:    1      A 10 11       NA
 3:    1      B  8 10 1.111111
 4:    1      B 10 11 1.100000
 5:    2      A  9  9 1.125000
 6:    2      A  9  9 0.900000
 7:    2      B  9 10 1.111111
 8:    2      B 10  9 1.000000
 9:    3      A  9 10 1.111111
10:    3      A 10 11 1.100000
11:    3      B 10  9 1.000000
12:    3      B  9  9 0.900000

上一个答案

我不确定这是否是你想要的结果，但它确实可以得到正确的结果。

library(data.table)
setDT(df)[,.(V1 = No_Persons[seq(1,.N,2)],
             V2 = No_Persons[seq(2,.N,2)]
            ),
          by = .(Time,Region)][,Radio:=V2/lag(V1,2)]