如何计算每组滞后值的比率？

Question

我有以下数据集：

a<-data_frame(school= c(2,2,2,2,2,3,3,3,3,3,3,3),
            year=c(2011,2011,2011,2012,2012,2011,2011,2011,2012,2012,2012,2012),
              numberofstudents=c(3,3,3,2,2,3,3,3,2,NA,2,4))

首先，我想将所有 NA 值更改为该组的该变量的平均值。所以，NA 应该是 2.43。

其次，我想计算第四个变量，即学校滞后值与学生人数之比。

data <- 
  a %>%
  group_by(school) %>%
  summarize(lag.value.ratio = lag(school, 1)/numberofstudents) %>% ungroup

不幸的是，我遇到以下错误：错误：列 lag.value.ratio 的长度必须为 1（汇总值），而不是 5。 如何避免此错误并获得平均组值而不是NA？

Answer 1

如果您希望该组的平均值替换 NA，我计算 2.83 是学校 3 的平均值。您收到错误是因为您使用的是 summarise，它希望将结果折叠为您拥有的组（在本例中为 2）。我相信你想要的是变异。

编辑：我加载了下面使用的库，并确保使用的 lag 函数来自 dplyr 包。

library(dplyr)
library(tidyr)    
    a<-data_frame(school= c(2,2,2,2,2,3,3,3,3,3,3,3),
                      year=c(2011,2011,2011,2012,2012,2011,2011,2011,2012,2012,2012,2012),
                      numberofstudents=c(3,3,3,2,2,3,3,3,2,NA,2,4))


a %>% 
  group_by(school) %>% 
  mutate(numberofstudents = replace_na(numberofstudents, mean(numberofstudents, na.rm = TRUE)),
         lag.value.ratio = dplyr::lag(school, 1)/numberofstudents) %>% 
  ungroup()

给予

# A tibble: 12 x 4
   school  year numberofstudents lag.value.ratio
    <dbl> <dbl>            <dbl>           <dbl>
 1      2  2011             3             NA    
 2      2  2011             3              0.667
 3      2  2011             3              0.667
 4      2  2012             2              1    
 5      2  2012             2              1    
 6      3  2011             3             NA    
 7      3  2011             3              1    
 8      3  2011             3              1    
 9      3  2012             2              1.5  
10      3  2012             2.83           1.06 
11      3  2012             2              1.5  
12      3  2012             4              0.75