Как создать функцию R, которая повторяет СРЗНАЧЕСЛИМН в MS Excel?

Функция Excel, которую я хочу воспроизвести в R

В R я пытаюсь создать расчет строки, который усредняет цены на основе типа продукта и диапазона дат на основе Order_Date. В примере из Excel я усредняю цену (столбец B) продукта B (строка 4) на основе других продуктов B, которые были заказаны в течение 30 дней с даты заказа строки 4 (столбец C), что означает, что я хочу усреднить все продукты. Цена B, возникшая в течение +/- 15 дней после заказа строки 4. В конечном итоге мне нужно найти квадрат разницы между ценой и средней ценой (столбец E).

Этот пост похож на мой вопрос, однако я изо всех сил пытаюсь провести параллели между своим и заданным здесь: СРЗНАЧЕСЛИМН.СЛИМН () в Excel в R

Вот что я пробовал в R:

dfdata <- data.frame(RSTUDIO_AVERAGEIFS)

dfdata$Avg_Price <- with(dfdata, mean(dfdata[
  dfdata$Product == dfdata$Product &
    dfdata$Order_Date >= (as.Date(dfdata$Order_Date) - days(15)) &
    dfdata$Order_Date <= (as.Date(dfdata$Order_Date) + days(15)),
  "Price"
]))

Когда я смотрю на рассчитанную Avg_Price, это одно число для каждой строки. Для себя проверяю, столбцы Mean и Avg_Price должны быть равны друг другу.

Столбцы Mean и Avg_Price должны быть равны

Вот мой набор данных:

structure(list(Product = c("A", "B", "B", "F", "D", "F", "A", 
"F", "D", "A", "A", "D", "C", "C", "A", "B", "C", "A", "B", "A", 
"A", "E", "D", "F", "B", "B", "E", "F", "F", "E", "F", "A", "A", 
"D", "F", "C", "C", "C", "A", "D", "D", "E", "D", "B", "C", "B", 
"D", "F", "C", "A", "A", "F", "D", "E", "B", "B", "A", "E", "A", 
"D", "E", "C", "C", "C", "E", "D", "F", "E", "B", "E", "D", "B", 
"A", "B", "D", "F", "C", "C", "E", "A", "A", "F", "D", "D", "A", 
"F", "C", "A", "A", "F", "A", "B", "A", "D", "C", "C", "A", "B", 
"E", "B", "D", "B", "F", "F", "B", "C", "B", "B", "C", "F", "A", 
"B", "A", "E", "C", "E", "E", "E", "D", "B", "C", "D", "B", "C", 
"F", "F", "C", "F", "D", "F", "A", "D", "B", "B", "C", "E", "B"
), Price = c(6.502, 4.526, 2.272, 9.097, 0.594, 5.41, 9.85, 1.197, 
5.09, 7.343, 3.339, 1.107, 7.993, 7.922, 4.558, 4.75, 1.278, 
9.55, 8.223, 6.195, 0.668, 9.741, 9.679, 3.488, 4.159, 3.756, 
6.233, 7.658, 8.896, 9.724, 6.582, 7.422, 1.172, 2.734, 4.917, 
0.784, 9.284, 0.7, 6.869, 3.054, 9.945, 4.173, 5.217, 6.016, 
5.559, 5.247, 7.024, 8.845, 8.436, 7.482, 8.609, 3.675, 2.76, 
5.357, 4.125, 3.199, 7.736, 5.255, 5.581, 5.282, 2.753, 1.568, 
2.083, 8.938, 7.562, 7.513, 9.493, 8.404, 5.266, 9.992, 3.813, 
5.522, 6.295, 5.385, 1.91, 3.597, 4.105, 9.484, 6.697, 4.818, 
1.644, 2.699, 0.608, 9.6, 0.447, 4.123, 2.997, 5.085, 0.903, 
5.455, 1.869, 4.053, 8.843, 1.171, 8.491, 9.236, 5.642, 6.565, 
3.168, 4.367, 6.008, 6.267, 8.363, 0.318, 5.226, 6.597, 2.932, 
3.149, 8.578, 1.814, 9.288, 9.96, 8.44, 3.514, 2.832, 5.881, 
4.57, 7.646, 2.19, 5.446, 5.318, 3.674, 6.235, 9.414, 7.201, 
9.846, 0.824, 0.757, 4.928, 0.499, 9.165, 1.564, 6.944, 3.474, 
8.537, 5.412, 7.142), Order_Date = structure(c(19208, 19210, 
19337, 19288, 19339, 19318, 19352, 19290, 19245, 19317, 19352, 
19177, 19306, 19300, 19196, 19314, 19270, 19212, 19232, 19199, 
19238, 19274, 19265, 19311, 19257, 19344, 19294, 19331, 19181, 
19348, 19317, 19332, 19334, 19338, 19184, 19274, 19240, 19350, 
19195, 19306, 19198, 19283, 19260, 19263, 19177, 19197, 19186, 
19205, 19264, 19328, 19268, 19190, 19210, 19300, 19273, 19188, 
19280, 19264, 19211, 19241, 19296, 19350, 19260, 19201, 19254, 
19262, 19176, 19175, 19335, 19179, 19196, 19190, 19253, 19178, 
19190, 19234, 19253, 19310, 19323, 19325, 19258, 19292, 19213, 
19269, 19225, 19299, 19350, 19224, 19193, 19250, 19242, 19260, 
19340, 19276, 19211, 19222, 19305, 19305, 19273, 19268, 19306, 
19277, 19225, 19188, 19190, 19181, 19268, 19291, 19272, 19238, 
19184, 19228, 19199, 19237, 19205, 19251, 19357, 19238, 19288, 
19301, 19331, 19260, 19320, 19175, 19253, 19312, 19354, 19357, 
19176, 19187, 19225, 19281, 19352, 19315, 19246, 19308, 19356
), class = "Date"), Mean = c(6.075, 4.887, 4.56, 4.279, 1.664, 
6.597, 7.344, 4.279, 4.816, 6.541, 7.344, 3.742, 8.466, 8.466, 
6.042, 5.294, 4.232, 6.371, 9.092, 6.432, 3.922, 5.584, 6.142, 
5.89, 4.305, 5.076, 4.786, 6.55, 4.633, 7.147, 6.597, 6.18, 5.947, 
1.664, 4.633, 4.232, 7.309, 1.522, 6.108, 4.531, 4.343, 5.214, 
6.796, 4.56, 7.19, 4.744, 4.788, 6.26, 4.211, 6.18, 6.071, 5.235, 
4.282, 4.939, 4.627, 4.916, 8.173, 6.321, 6.169, 5.186, 4.786, 
1.522, 4.829, 6.754, 6.233, 6.142, 4.633, 9.198, 4.382, 9.198, 
5.09, 4.916, 3.817, 4.833, 4.788, 4.591, 6.489, 8.466, 6.055, 
6.18, 5.516, 4.279, 4.438, 5.488, 5.083, 5.075, 1.522, 5.083, 
6.108, 4.823, 2.944, 4.275, 6.132, 5.286, 7.374, 8.864, 6.493, 
4.937, 5.584, 4.56, 4.531, 4.476, 4.591, 4.633, 4.916, 7.19, 
4.56, 5.357, 4.232, 5.286, 6.042, 9.092, 6.432, 5.68, 6.754, 
5.972, 7.147, 5.68, 1.642, 4.677, 5.318, 6.796, 5.258, 7.19, 
4.823, 5.89, 1.522, 0.757, 3.742, 4.633, 5.083, 3.631, 5.029, 
5.294, 6.002, 5.29, 5.947), Price_Less_Mean = c(0.427, -0.361, 
-2.288, 4.818, -1.07, -1.187, 2.506, -3.082, 0.274, 0.802, -4.005, 
-2.635, -0.472999999999999, -0.544, -1.484, -0.544, -2.954, 3.179, 
-0.869, -0.237, -3.254, 4.157, 3.537, -2.402, -0.146, -1.32, 
1.447, 1.108, 4.263, 2.577, -0.0150000000000006, 1.242, -4.775, 
1.07, 0.284, -3.448, 1.975, -0.822, 0.761, -1.477, 5.602, -1.041, 
-1.579, 1.456, -1.631, 0.503, 2.236, 2.585, 4.225, 1.302, 2.538, 
-1.56, -1.522, 0.418, -0.502, -1.717, -0.437, -1.066, -0.587999999999999, 
0.0960000000000001, -2.033, 0.046, -2.746, 2.184, 1.329, 1.371, 
4.86, -0.794, 0.884, 0.794, -1.277, 0.606, 2.478, 0.552, -2.878, 
-0.994, -2.384, 1.018, 0.642, -1.362, -3.872, -1.58, -3.83, 4.112, 
-4.636, -0.952, 1.475, 0.00199999999999978, -5.205, 0.632, -1.075, 
-0.222, 2.711, -4.115, 1.117, 0.372, -0.851, 1.628, -2.416, -0.193, 
1.477, 1.791, 3.772, -4.315, 0.31, -0.593, -1.628, -2.208, 4.346, 
-3.472, 3.246, 0.868, 2.008, -2.166, -3.922, -0.0910000000000002, 
-2.577, 1.966, 0.548, 0.769, 0, -3.122, 0.977, 2.224, 2.378, 
3.956, -0.698, 0, 1.186, -4.134, 4.082, -2.067, 1.915, -1.82, 
2.535, 0.122, 1.195), Avg_Price = c(5.372, 5.372, 5.372, 5.372, 
5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 
5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 
5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 
5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 
5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 
5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 
5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 
5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 
5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 
5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 
5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 
5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 
5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 
5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 
5.372, 5.372, 5.372, 5.372, 5.372, 5.372, 5.372)), row.names = c(NA, 
-137L), class = "data.frame")

Кому-то будет легче помочь, если вы разместите некоторые воспроизводимые данные. Вы можете использовать dput(dfdata).

— 14.04.2023 22:52

Вам будет легче помочь, если вы включите простой воспроизводимый пример с образцом ввода и желаемым результатом, который можно использовать для тестирования и проверки возможных решений. Пожалуйста не размещайте код или данные в изображениях

— 14.04.2023 23:12

14.04.2023 22:33

Стоит ли изучать PHP в 2023-2024 годах?

Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...

Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией

В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.

Приемы CSS-макетирования - floats и Flexbox

Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...

Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest

В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...

Концепция локализации и ее применение в приложениях React ⚡️

Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...

Пользовательский скаляр GraphQL

Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...

Перейти к ответу Данный вопрос помечен как решенный

Ответы 2

Ответ принят как подходящий

library(dplyr)
library(slider)
library(lubridate)

df %>%
  arrange(Order_Date) %>%
  mutate(
    Mean = slide_index_dbl(
      Price, Order_Date, mean, .before = days(15), .after = days(15)
    ),
    .by = Product
  )

Благодарю за ваш ответ! Язык дает результаты, которые я ожидаю. Последний вопрос: как добавить вывод «Среднее значение» во фрейм данных? Итак, когда я запускаю View (dfdata), он показывает рассчитанный столбец «Среднее значение».

— 15.04.2023 00:39

Измените его имя, например. Mean2, а затем вы можете сравнить со средним значением и увидеть, что они совпадают (по крайней мере, до нескольких знаков после запятой). И назначьте вывод обратно фрейму данных. Таким образом, dfdata <- dfdata %>% <code above> обновит объект dfdata, включив в него новый столбец.

— 15.04.2023 01:00

14.04.2023 23:43

Вы можете создать функцию усреднения, как показано ниже, и применить ее построчно.

library(dplyr)
averageifs <- \(d, p, df, n=15) {
  filter(df, between(Order_Date, d-n, d+n), Product==p) %>% summarize(mean(Price)) %>% pull()
}

dfdata %>% rowwise() %>% mutate(meanprice = averageifs(Order_Date,Product, dfdata))

Выход:

   Product Price Order_Date meanprice
   <chr>   <dbl> <date>         <dbl>
 1 A       6.50  2022-08-04      6.07
 2 B       4.53  2022-08-06      4.89
 3 B       2.27  2022-12-11      4.56
 4 F       9.10  2022-10-23      4.28
 5 D       0.594 2022-12-13      1.66
 6 F       5.41  2022-11-22      6.60
 7 A       9.85  2022-12-26      7.34
 8 F       1.20  2022-10-25      4.28
 9 D       5.09  2022-09-10      4.82
10 A       7.34  2022-11-21      6.54
# … with 127 more rows

Другой (гораздо более эффективный) способ решить эту конкретную проблему — выполнить неэквивалентное соединение dfdata самого себя после создания нижней и верхней границ даты для каждой строки:

dplyr::inner_join(
  dfdata,
  dfdata %>% mutate(l=Order_Date-15,u=Order_Date+15),
  by=join_by(Product, Order_Date>=l,Order_Date<=u)
) %>% 
  reframe(meanprice = mean(Price.y),.by=c(Product, Order_Date.x))

Вывод (первые шесть строк)

  Product Order_Date.x meanprice
1       A   2022-08-04   6.07475
2       B   2022-08-06   4.88650
3       B   2022-12-11   4.55950
4       F   2022-10-23   4.27900
5       D   2022-12-13   1.66400
6       F   2022-11-22   6.59680

14.04.2023 23:56

Другие вопросы по теме

Заполните отсутствующие даты на основе начала и окончания

Что означает столбец «cld» в «микробенчмарке»?

Как изменить непрозрачность полос ошибок в ggplot

Проблема с case_when в функции mutate R

Частичные суммы R после группы с использованием dplyr

Как настроить бессерверный пул sql, чтобы использовать его с базовыми интерфейсами SQL, такими как pyodbc или RODBC?

Как показать количество строк и количество групп для фреймов данных в html-выводе файла Rmd?

Разделить строки на столбцы в R

Агрегирование по нескольким переменным, включая время

Визуализируйте все возможные комбинации слогов

Как создать функцию R, которая повторяет СРЗНАЧЕСЛИМН в MS Excel?

Ответы 2

Другие вопросы по теме

Похожие вопросы