如何用R中的列中的行进行计算答案

【问题标题】：How to calculate with rows in a column in R如何用R中的列中的行进行计算
【发布时间】：2021-10-09 18:22:53
【问题描述】：

我正在尝试对列中的行进行计算：我有一个产品的以下数据：

Day    Price
1      3$
2      12$
3      4$
4      2$
5      4$

我想将一天的价格变化除以前一天，例如第 2 天：

12$/3$ = 4

结果应该是：

Day    Price    Calculation
1      3$       NA
2      12$      4
3      4$       0,33
4      2$       0,5
5      4$       2

我有一个包含 5000 个价格的清单。我还担心如何在第 1 天获得 NA，因为无法计算。

谢谢！

【问题讨论】：

标签： r dataframe calculation

【解决方案1】：

这是dplyr 唯一使用gsub 而不是parse_number 的解决方案：

library(dplyr)
df %>% 
  mutate(Calculation=as.numeric(gsub("\\$", "", Price)),
         Calculation=round(Calculation/lag(Calculation), 2))

Day Price Calculation
1   1    3$          NA
2   2   12$        4.00
3   3    4$        0.33
4   4    2$        0.50
5   5    4$        2.00

【讨论】：

【解决方案2】：

我们可以将当前值除以之前的值 (lag)。 $ 不在 numeric 类中考虑。我们可能需要提取 numeric 值 (parse_number) 并进行计算

library(dplyr)
df1 <- df1 %>%
    mutate(Calculation = readr::parse_number(as.character(Price)),
        Calculation = round(Calculation/lag(Calculation), 2))

-输出

df1
 Day Price Calculation
1   1    3$          NA
2   2   12$        4.00
3   3    4$        0.33
4   4    2$        0.50
5   5    4$        2.00

数据

df1 <- structure(list(Day = 1:5, Price = c("3$", "12$", "4$", "2$", 
"4$")), class = "data.frame", row.names = c(NA, -5L))

【讨论】：

感谢您的快速响应，尝试您的代码我收到错误：Error: Problem with mutate() column Calculation。 i Calculation = readr::parse_number(Price)。 x is.character(x) is not TRUE
@upflow 也许你有factor 类。尝试在我更新的代码中使用as.character
谢谢，现在计算完毕。但不知何故，新列“计算”仍然缺失。
@upflow 只需将<- 分配回原始数据，即df1 <- df1 %>% mutate(Calculation = readr::parse_number(as.character(Price)), Calculation = round(Calculation/lag(Calculation), 2))
谢谢，现在我得到了需要的结果！一个简短的问题：是否有可能复制列Price，但将价格数据向下放置一行？那么对于Day 2：原始Price 将是12，而对于Price_duplicate 它将是3？

【解决方案3】：

基础 R 选项 -

将Price 列更改为数字并将当前Price 值减去前一个值。

df$Price <- as.numeric(sub('$', '', df$Price, fixed = TRUE))
df$Calculation <-  c(NA, df$Price[-1]/df$Price[-nrow(df)])
df
#  Day Price Calculation
#1   1     3          NA
#2   2    12       4.000
#3   3     4       0.333
#4   4     2       0.500
#5   5     4       2.000

【讨论】：