group_by 并强制转换为时间序列 dplyr r答案

【问题标题】：group_by and coercing to time series dplyr rgroup_by 并强制转换为时间序列 dplyr r
【发布时间】：2017-07-14 03:50:16
【问题描述】：

我有一个data.frame：

df <- data.frame(region = rep(c("a","b","c","d"),12),
                 group = rep(c("A","A","A","B","B","B","C","C","C","D","D","D"),12), 
                 num = rep(c(1:12),12))

我想按地区分组，然后按组分组，然后将 num 强制转换为时间序列对象 - 我正在这样做：

df %>%
  group_by(region,group) %>%
  mutate(num = ts(num,f=4))

它有效，但我收到一大堆警告，内容如下：

12: In mutate_impl(.data, dots) :
Vectorizing 'ts' elements may not preserve their attributes

实际上，我将其应用于大型 data.frame 并需要分解时间序列数据。在我的简化示例中，我正在使用 stl 这样做：

df %>% 
group_by(region,group) %>%
mutate(num = ts(num,f=4)) %>% 
mutate(trendcycle(stl(num, s.window = "per")))

但我收到一条错误消息：

Error in mutate_impl(.data, dots) : 
Evaluation error: series is not periodic or has less than two periods.

我猜这与试图将数据强制转换为 ts 格式有关。问题是，我以前可以毫无问题地做到这一点。

我正在使用 R 3.4.1 和 dplyr 0.7.1

【问题讨论】：

我通过将 ts 转换包含在一个 mutate 调用中解决了这个问题，如下所示： df %>% group_by(region,group) %>% mutate(trendcycle(stl(ts(num,f =4), s.window = "每"))))
您可以将其作为解决方案发布

标签： r dplyr

【解决方案1】：

我通过将 ts 转换包含在一个 mutate 调用中解决了这个问题，如下所示：

df %>%
group_by(region,group) %>%
mutate(trendcycle(stl(ts(num,f=4), s.window = "per")))

我是通过用 data.table 解决问题来的：

df1 <- setDT(df)[,trendcycle(stl(ts(num, frequency = 4), s.window ="per")), by = .(region,group)]

哪个更快，但我的程序遵循 tidyverse 语法，所以我保持一致

【讨论】：