Задержка на n строк в определенных столбцах при увеличении длины кадра данных

Я пытаюсь сдвинуть вниз (запаздывать) определенные столбцы в фрейме данных на n строк (например, на 2 строки). Я нашел только сообщения об отставании от определенных столбцов на 1 строку. Вот некоторые ложные данные.

df <- data.frame(
  A = seq(1,7), 
  B = seq(8,14),
  C = seq(15,21),
  D = seq(22,28)
)

df

> df
 A  B  C  D
 1  8 15 22
 2  9 16 23
 3 10 17 24
 4 11 18 25
 5 12 19 26
 6 13 20 27
 7 14 21 28

Здесь я хотел бы сдвинуть вниз значения в столбцах A, C и D на n строк и добавить новые строки в мой фрейм данных, чтобы создать другой фрейм данных. Пример желаемого результата с задержкой в ​​две строки будет выглядеть так.

> df.lag.example
  A  B  C  D
 NA  8 NA NA
 NA  9 NA NA
  1 10 15 22
  2 11 16 23
  3 12 17 24
  4 13 18 25
  5 14 19 26
  6 NA 20 27
  7 NA 21 28
Стоит ли изучать PHP в 2023-2024 годах?
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
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
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 ⚡️
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
Пользовательский скаляр GraphQL
Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...
2
0
70
3
Перейти к ответу Данный вопрос помечен как решенный

Ответы 3

Вот что-то быстрое и грязное:

foo <- function(df, n, lag_cols) {
  result <- df[c(rep(NA, n), 1L:(nrow(df))), ]
  non_lag_cols <- setdiff(names(df), lag_cols)
  result[non_lag_cols] <- lapply(
    result[(n+1):(nrow(result)), non_lag_cols, drop=FALSE], 
    \(x) c(x, rep(NA, n))
  )
  return(result)
}

foo(df, 2, c("A", "C", "D"))


#       A  B  C  D
# NA   NA  8 NA NA
# NA.1 NA  9 NA NA
# 1     1 10 15 22
# 2     2 11 16 23
# 3     3 12 17 24
# 4     4 13 18 25
# 5     5 14 19 26
# 6     6 NA 20 27
# 7     7 NA 21 28
Ответ принят как подходящий
library(dplyr)

rbind(df, df[0,][rep(NA, 2),]) %>% 
  mutate(across(-2, ~lag(., 2))) %>% 
  `rownames<-`(NULL)

#>    A  B  C  D
#> 1 NA  8 NA NA
#> 2 NA  9 NA NA
#> 3  1 10 15 22
#> 4  2 11 16 23
#> 5  3 12 17 24
#> 6  4 13 18 25
#> 7  5 14 19 26
#> 8  6 NA 20 27
#> 9  7 NA 21 28

Created on 2024-04-18 with reprex v2.0.2

Вот небольшая функция (которая на самом деле просто обобщает решение, данное @M--), где вы можете использовать tidy-selection для выбора столбцов. Также можно указать направление (dir) «вниз» или «вверх» и количество (n) смен:

library(dplyr)

shift <- function(data, cols, dir = "down", ...) {
  dir <- match.arg(dir, c("down", "up"))
  f <- if (dir == "down") list(lag, lead) else list(lead, lag)
  bind_cols(transmute(data, across({{cols}}, ~ f[[1]](.x, ...))),
            transmute(data, across(!{{cols}}, ~ f[[2]](.x, ...)))) |> 
    select(all_of(names(data)))
}

n передается lag()/lead() через ....

Применение

shift(df, c(A, C, D), n = 2) # default shift "down"
#    A  B  C  D
# 1 NA  8 NA NA
# 2 NA  9 NA NA
# 3  1 10 15 22
# 4  2 11 16 23
# 5  3 12 17 24
# 6  4 13 18 25
# 7  5 14 19 26
# 8  6 NA 20 27
# 9  7 NA 21 28

# Same as above, but shows some tidy selection
shift(df, -B, n = 2)
shift(df, c(A, C:D), n = 2)
shift(df, matches("^(A|C|D)"), n = 2)

Примечание. transmute() заменен на mutate(..., .keep = "none") и его можно легко заменить.

Другие вопросы по теме