r - 如何使用 Tidyverse 在 R 中聚合凌乱的季度数据,搜索第一组连续的四个季度

标签 r tidyverse

我有一个数据操作和排除挑战,我只是不知道如何成功解决。我有整齐格式的数据,所有的观察都是行。这是我的数据集的reprex:

quarter <- c("Q4", "Q3", "Q2","Q1", "Q3", "Q2", "Q1","Q4", "Q2", "Q1", "Q4", "Q3", "Q2", "Q1","Q4", "Q3", "Q1")
year <- c("2020", "2020","2020","2020","2019","2019","2019", "2020", "2020","2020","2019","2019","2019","2019", "2020", "2020","2020")
country <- c("Brazil","Brazil","Brazil","Brazil","Brazil","Brazil","Brazil","Brazil","Brazil","Brazil", "Brazil","Brazil","Brazil","Brazil","France","France","France")
indicator <- c("Testing","Testing", "Testing","Testing","Testing","Testing","Testing","TestingPos","TestingPos","TestingPos","TestingPos","TestingPos","TestingPos","TestingPos", "Testing","Testing","Testing")
value <- sample(c(1:10), 17, replace = T)

quarterlydf <- data.frame(quarter, year, country, indicator, value)

quarter year country  indicator value
1       Q4 2020  Brazil    Testing     9
2       Q3 2020  Brazil    Testing     3
3       Q2 2020  Brazil    Testing     2
4       Q1 2020  Brazil    Testing     7
5       Q3 2019  Brazil    Testing     1
6       Q2 2019  Brazil    Testing     5
7       Q1 2019  Brazil    Testing     6
8       Q4 2020  Brazil TestingPos     4
9       Q2 2020  Brazil TestingPos     4
10      Q1 2020  Brazil TestingPos     3
11      Q4 2019  Brazil TestingPos     7
12      Q3 2019  Brazil TestingPos     2
13      Q2 2019  Brazil TestingPos     8
14      Q1 2019  Brazil TestingPos     1
15      Q4 2020  France    Testing     1
16      Q3 2020  France    Testing     1
17      Q1 2020  France    Testing     8

对于每个国家和指标组合,我需要找到最近的连续 4 个季度期间。对于最近的四个连续季度(例如 2019 年第 3 季度、2019 年第 4 季度、2020 年第 1 季度、2020 年第 2 季度),我需要在新数据框(此处为annualdf)中创建一个新行,其中包含国家、开始和结束季度/年度、指标、所包含季度值的总和和平均值。
所有其他连续的四分之一集都应该被丢弃,任何没有连续集的地方都应该被丢弃。
对于前一帧,产品应如下所示:
start     end country  indicator sum mean
1 Q1_2020 Q4_2020  Brazil    Testing  21 5.25
2 Q3_2019 Q2_2020  Brazil TestingPos  16    4

我不会介绍我尝试过的所有内容,但它变得非常难看,包括尝试将顺序 ID 重新分配给每个可能的季度/年组合,然后使用 pivot_wider() 为每个 ID 创建多个列,将这些列连接成单个结果,然后使用一组奇怪的 str_detect() 搜索来搜索和分配值。长话短说,我认为我正在尝试的整个方法非常糟糕且非常不优雅。
必须有一种优雅的方式来做到这一点。
任何建议将非常非常感谢。谢谢你。
EDIT1:Per Limey 在所需的输出中有一个小错误(Q2_2019 应该是 Q2_2020)。这已被修复。

最佳答案

虽然语法有点长(我会尝试更短的)但这会起作用。这里唯一的假设是没有年份是完全缺失的,否则该字段也需要在 complete 之前完成。 .否则这些会起作用

quarterlydf %>% 
  arrange(desc(year, quarter)) %>%
  group_by(country, indicator, year) %>%
  complete(quarter = rev(c("Q1", "Q2", "Q3", "Q4"))) %>%
  group_by(country, indicator) %>%
  arrange(desc(year), desc(quarter), .by_group = T) %>%
  filter(with(rle(is.na(value)), rep(lengths, lengths)) >=4, !is.na(value)) %>%
  slice_head(n = 4) %>%
  summarise(start = paste0(last(year),"_", last(quarter)),
            end = paste0(first(year),"_", first(quarter)),
            sum = sum(value),
            mean = mean(value))

# A tibble: 2 x 6
# Groups:   country [1]
  country indicator  start   end       sum  mean
  <chr>   <chr>      <chr>   <chr>   <int> <dbl>
1 Brazil  Testing    2020_Q1 2020_Q4    18   4.5
2 Brazil  TestingPos 2019_Q3 2020_Q2    16   4 
也可以颠倒(按时间顺序)
quarterlydf %>% 
  arrange(year, quarter) %>%
  group_by(country, indicator, year) %>%
  complete(quarter = c("Q1", "Q2", "Q3", "Q4")) %>%
  group_by(country, indicator) %>%
  filter(with(rle(is.na(value)), rep(lengths, lengths)) >=4, !is.na(value)) %>%
  slice_tail(n = 4) %>%
  summarise(start = paste0(first(year),"_", first(quarter)),
            end = paste0(last(year),"_", last(quarter)),
            sum = sum(value),
            mean = mean(value))

关于r - 如何使用 Tidyverse 在 R 中聚合凌乱的季度数据,搜索第一组连续的四个季度,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/66987891/

相关文章:

r - 使用 tidyverse 和 sapply 在列表上创建一个函数

r - purrr 列表评价陌生度

R 在数据框中查找值(因子变量的rowwise)

r - 展平数据框并将行移至列

r - "Cannot allocate memory"和 "non-zero exit status"- 无法在 Raspberry Pi 上安装 R 包

r - 查找一列的最大值(按组)并将值插入到 R 中的另一个数据框中

r - 根据 R 中的其他因素处理日期

r - 什么时候用 dplyr (tidyverse) 编码比基本 R 更复杂?

r - 将 "type"列转换为多个单独的评论列及其计数

R 流水线函数