r - 使用数据框列中的下一个非 na 值计算答案

【问题标题】：r - calculate using next non-na value in data frame columnr - 使用数据框列中的下一个非 na 值计算
【发布时间】：2018-08-16 15:54:00
【问题描述】：

我在数据框中有一些数据，我想计算month 值之间的百分比变化。问题是我在某些条目中有NA，它会引发计算。

       irm     code        price    pct.change
1  201807 511130F075A04      4.6600   2.192982
2  201806 511130F075A04      4.5600   1.333333
3  201805 511130F075A04      4.5000 -13.461538
4  201804 511130F075A04      5.2000         NA
5  201803 511130F075A04          NA         NA
6  201802 511130F075A04      4.9100   1.867220
7  201801 511130F075A04      4.8200  -5.304519
8  201712 511130F075A04      5.0900   2.414487
9  201711 511130F075A04      4.9700  -3.307393
10 201710 511130F075A04      5.1400         NA
11 201709 511130F075A04          NA         NA
12 201708 511130F075A04      5.2900   2.918288
13 201707 511130F075A04      5.1400  66.553255
14 201706 511130F075A04      3.0861 -10.664351
15 201705 511130F075A04      3.4545  -7.241824

问题出在pct.change 列的第 4 行和第 10 行。它们是NA，但我希望使用price 的最新值而不是NA 来计算它们。所需的输出将是（见第 4 行和第 10 行）：

       irm     code        price    pct.change
1  201807 511130F075A04      4.6600   2.192982
2  201806 511130F075A04      4.5600   1.333333
3  201805 511130F075A04      4.5000 -13.461538
**4  201804 511130F075A04      5.2000   5.906314**
5  201803 511130F075A04          NA         NA
6  201802 511130F075A04      4.9100   1.867220
7  201801 511130F075A04      4.8200  -5.304519
8  201712 511130F075A04      5.0900   2.414487
9  201711 511130F075A04      4.9700  -3.307393
**10 201710 511130F075A04      5.1400  -2.835539**
11 201709 511130F075A04          NA         NA
12 201708 511130F075A04      5.2900   2.918288
13 201707 511130F075A04      5.1400  66.553255
14 201706 511130F075A04      3.0861 -10.664351
15 201705 511130F075A04      3.4545  -7.241824

我尝试了标准的(x/lead(x) - 1)*100 和使用(x/lag(which(!is.na(lead(x)) 的几个变体，但我似乎遗漏了一些东西。在base 甚至dplyr 中是否有直接的方法？ 我不想更换 NA，我想保留它们。

【问题讨论】：

df$pct.change[!is.na(df$price)] <- with(df[!is.na(df$price),], (price/dplyr::lead(price) - 1) * 100)
我喜欢这个，但是当我在完整的data.frame 上使用它时，我收到以下警告：number of items to replace is not a multiple of replacement length。不过，它在示例中确实工作得很好。

标签： r lag lead

【解决方案1】：

@LAP 的评论可能是最好的方法。 data.table 的语法稍微好一点

library(data.table)
setDT(df)

df[!is.na(price), pct.change := 100*(price/shift(price, type = 'lead') - 1)]

#        irm          code  price pct.change
#  1: 201807 511130F075A04 4.6600   2.192982
#  2: 201806 511130F075A04 4.5600   1.333333
#  3: 201805 511130F075A04 4.5000 -13.461538
#  4: 201804 511130F075A04 5.2000   5.906314
#  5: 201803 511130F075A04     NA         NA
#  6: 201802 511130F075A04 4.9100   1.867220
#  7: 201801 511130F075A04 4.8200  -5.304519
#  8: 201712 511130F075A04 5.0900   2.414487
#  9: 201711 511130F075A04 4.9700  -3.307393
# 10: 201710 511130F075A04 5.1400  -2.835539
# 11: 201709 511130F075A04     NA         NA
# 12: 201708 511130F075A04 5.2900   2.918288
# 13: 201707 511130F075A04 5.1400  66.553255
# 14: 201706 511130F075A04 3.0861 -10.664351
# 15: 201705 511130F075A04 3.4545         NA

【讨论】：

【解决方案2】：

在 Base R 中，您可以决定替换：

 a = which(is.na(df$price))-1
 transform(df,pct.change=replace(pct.change,a,100*(price[a]/price[a+2]-1)))
      irm          code  price pct.change
1  201807 511130F075A04 4.6600   2.192982
2  201806 511130F075A04 4.5600   1.333333
3  201805 511130F075A04 4.5000 -13.461538
4  201804 511130F075A04 5.2000   5.906314
5  201803 511130F075A04     NA         NA
6  201802 511130F075A04 4.9100   1.867220
7  201801 511130F075A04 4.8200  -5.304519
8  201712 511130F075A04 5.0900   2.414487
9  201711 511130F075A04 4.9700  -3.307393
10 201710 511130F075A04 5.1400  -2.835539
11 201709 511130F075A04     NA         NA
12 201708 511130F075A04 5.2900   2.918288
13 201707 511130F075A04 5.1400  66.553255
14 201706 511130F075A04 3.0861 -10.664351
15 201705 511130F075A04 3.4545  -7.241824

【讨论】：

这很聪明。但是如果连续行中有 2 个NA 怎么办？
@jvalenti 即使接受的答案也会面临同样的问题。您必须为此确定一种方法
否，data.table 语法中使用的行参数指定计算集中在price != NA 所在的行，因此它只是转移到满足该条件的列中的下一个值。跨度>