以递增顺序为数据帧应用滞后或领先答案

【问题标题】：apply lag or lead in increasing order for the dataframe以递增顺序为数据帧应用滞后或领先
【发布时间】：2018-12-26 05:25:45
【问题描述】：

df1 <- read.csv("C:/Users/uni/DS-project/df1.csv")
df1

    year value
1  2000     1
2  2001     2
3  2002     3
4  2003     4
5  2004     5
6  2000     1
7  2001     2
8  2002     3
9  2003     4
10 2004     5
11 2000     1
12 2001     2
13 2002     3
14 2003     4
15 2004     5
16 2000     1
17 2001     2
18 2002     3
19 2003     4
20 2004     5

我想申请铅，所以我可以得到以下方式的输出。

我们设置了每年重复 n 次的 5 个观察值，在第一年的输出中，我们需要删除 2000 及其各自的值，第二年类似，我们忽略 2000 和 2001 及其各自的值，对于第 3 年删除 - 2000、2001、2002 及其各自的值。等等。

以便我们可以通过以下方式获得以下输出。

output: 
year    value
2000    1
2001    2
2002    3
2003    4
2004    5
2001    2
2002    3
2003    4
2004    5
2002    3
2003    4
2004    5
2003    4
2004    5

请帮忙。

【问题讨论】：

到目前为止你尝试过什么？愿意分享任何代码吗？

标签： r dataframe lag lead

【解决方案1】：

只是为了好玩，使用矩阵子设置添加矢量化解决方案

m <- matrix(rep(TRUE, nrow(df)), 5)
m[upper.tri(m)] <- FALSE
df[m,]
#    year value
# 1  2000     1
# 2  2001     2
# 3  2002     3
# 4  2003     4
# 5  2004     5
# 7  2001     2
# 8  2002     3
# 9  2003     4
# 10 2004     5
# 13 2002     3
# 14 2003     4
# 15 2004     5
# 19 2003     4
# 20 2004     5

【讨论】：

【解决方案2】：

grp 下方是第一组的每一行 1，第二组的每一行是 2，依此类推。 Seq 是 1, 2, 3, ... 对于每个 grp 的连续行。现在只需选择那些Seq 至少与grp 一样大的行。这具有从 i = 1, 2, ... 的第 i 个组中删除前 i-1 行的效果。

grp <- cumsum(df1$year == 2000)
Seq <- ave(grp, grp, FUN = seq_along)
subset(df1, Seq >= grp)

我们可以交替写成不太一般的形式：

subset(df1, 1:5 >= rep(1:4, each = 5))

在任何情况下，任何一个子集语句的输出都是：

   year value
1  2000     1
2  2001     2
3  2002     3
4  2003     4
5  2004     5
7  2001     2
8  2002     3
9  2003     4
10 2004     5
13 2002     3
14 2003     4
15 2004     5
19 2003     4
20 2004     5

【讨论】：

【解决方案3】：

library(dplyr)

df %>% 
  group_by(g = cumsum(year == 2000)) %>% 
  filter(row_number() >= g) %>% 
  ungroup %>% 
  select(-g)


# # A tibble: 14 x 2
#     year value
#    <int> <int>
#  1  2000     1
#  2  2001     2
#  3  2002     3
#  4  2003     4
#  5  2004     5
#  6  2001     2
#  7  2002     3
#  8  2003     4
#  9  2004     5
# 10  2002     3
# 11  2003     4
# 12  2004     5
# 13  2003     4
# 14  2004     5

【讨论】：

【解决方案4】：

使用lapply():

to <- nrow(df) / 5 - 1
df[-unlist(lapply(1:to, function(x) seq(1:x) + 5*x)), ]
   year value
1  2000     1
2  2001     2
3  2002     3
4  2003     4
5  2004     5
7  2001     2
8  2002     3
9  2003     4
10 2004     5
13 2002     3
14 2003     4
15 2004     5
19 2003     4
20 2004     5

unlist(lapply(1:to, function(x) seq(1:x) + 5*x)) 是要跳过的索引：

[1]  6 11 12 16 17 18

【讨论】：

【解决方案5】：

使用sequence：

df[5-rev(sequence(2:5)-1),]
#     year value
# 1   2000     1
# 2   2001     2
# 3   2002     3
# 4   2003     4
# 5   2004     5
# 2.1 2001     2
# 3.1 2002     3
# 4.1 2003     4
# 5.1 2004     5
# 3.2 2002     3
# 4.2 2003     4
# 5.2 2004     5
# 4.3 2003     4
# 5.3 2004     5

它是如何工作的：

5-rev(sequence(2:5)-1)
# [1] 1 2 3 4 5 2 3 4 5 3 4 5 4 5
rev(sequence(2:5)-1)
# [1] 4 3 2 1 0 3 2 1 0 2 1 0 1 0
sequence(2:5)-1
# [1] 0 1 0 1 2 0 1 2 3 0 1 2 3 4
sequence(2:5)
# [1] 1 2 1 2 3 1 2 3 4 1 2 3 4 5

【讨论】：