改变变量的动态子集

Question

a = tibble(x = runif(1000,0,10),
           t = rpois(1000,4)
) %>% arrange(t)

我想要一个 l 列，它对与 t < t(x) 关联的值的 x 的子集进行平均。

预期结果：

对于x[t=0]、l = NaN

对于x[t=1]、l = mean(x[t<1])

对于x[t=2]、l = mean(x[t<2])

等等

一个不起作用的代码：

a %>%
  mutate(
  l = mean(x[a$t < .$t])
  ) -> a

现在这可以工作了：

for (i in c(1:1000)) {
  a$l[i] = mean(a$x[a$t < a$t[i]])
}

但不是mutate。我想要一个mutate，以便我可以将它应用到群组等。

为了更好地理解这个问题：假设您必须在某个日期之前对所有 x 进行平均。现在：这个，动态的，在一个变异中。

我认为purrr 可能是必要的，但我讨厌它。

Answer 1

您可以将map 与mutate 一起使用：

library(tidyverse)

f <- function(lim) mean(a$x[a$t < lim])

a %>% mutate(l = map_dbl(t, f))

针对 OP 解决方案进行测试：

res <- a %>% mutate(l = map_dbl(t, f))
       
l <- vector(mode = "numeric", length = 1000)     
for (i in c(1:1000)) l[i] = mean(a$x[a$t < a$t[i]])

assertthat::are_equal(res$l, l) # TRUE

Answer 2

对于每个t 值，您可以计算x 的平均值，然后计算累积平均值的滞后值。

library(dplyr)

a %>%
  group_by(t) %>%
  summarise(l = mean(x)) %>%
  mutate(l = lag(cummean(l)))

#       t     l
#   <int> <dbl>
# 1     0 NA   
# 2     1  5.33
# 3     2  5.45
# 4     3  5.36
# 5     4  5.26
# 6     5  5.16
# 7     6  5.10
# 8     7  5.07
# 9     8  5.12
#10     9  4.96
#11    10  4.98
#12    11  5.15
#13    12  4.93

如果您想保持数据框中的行数，请将%>% left_join(a, by = 't') 添加到上述答案中。

数据

set.seed(123)
a = tibble(x = runif(1000,0,10),
           t = rpois(1000,4)
) %>% arrange(t)