R如何计算数据帧中行之间的差异

Question

这是我的问题的一个简单示例:

> df <- data.frame(ID=1:10,Score=4*10:1)
> df
       ID Score
    1   1    40
    2   2    36
    3   3    32
    4   4    28
    5   5    24
    6   6    20
    7   7    16
    8   8    12
    9   9     8
    10 10     4
    > diff(df)

Error in r[i1] - r[-length(r):-(length(r) - lag + 1L)] : 
  non-numeric argument to binary operator

谁能告诉我为什么会出现这个错误？

Answer 1

diff需要矩阵或向量而不是数据帧.尝试

data.frame(diff(as.matrix(df)))

Answer 2

也许你正在寻找这样的东西:

> tail(df, -1) - head(df, -1)
   ID Score
2   1    -4
3   1    -4
4   1    -4
5   1    -4
6   1    -4
7   1    -4
8   1    -4
9   1    -4
10  1    -4

data.frame如果它们是相同的尺寸,您可以减去或添加两个s.所以,我们在这里做的是减去一个data.frame缺少第一行(tail(df, -1))和一个缺少最后一行(head(df, -1))并减去它们的东西.

Answer 3

用另一种方法dplyr将使用mutate_each过的所有列循环,得到列(之差.)与lag列(的.),并在顶部取出NA元素na.omit()

library(dplyr)
df %>%
    mutate_each(funs(. - lag(.))) %>%
    na.omit() 

编辑:

而不是mutate_each(已弃用 - 如@PatrickT所述)使用mutate_all

df %>%
    mutate_all(funs(. - lag(.))) %>%
    na.omit() 

或者shift来自data.table.将'data.frame'转换为'data.table'(setDT(df)),循环遍历列(lapply(.SD, ..)) and get the difference between the column (x ) and thelag (shift by default gives thelag astype ="lag"`).删除第一个观察即NA元素.

library(data.table)
setDT(df)[, lapply(.SD, function(x) (x- shift(x))[-1])]

Answer 4

因为df适用于矢量或矩阵.您可以使用apply来跨列应用函数,如下所示:

 apply( df , 2 , diff )
   ID Score
2   1    -4
3   1    -4
4   1    -4
5   1    -4
6   1    -4
7   1    -4
8   1    -4
9   1    -4
10  1    -4

您似乎不太可能想要计算顺序ID的差异,因此您可以选择将其应用于除第一个之外的所有列 ,如下所示:

apply( df[-1] , 2 , diff )

或者你可以使用data.table(不是它在这里添加任何东西我真的想开始使用它!),我再次假设你不想申请diffID列:

DT <- data.table(df)
DT[ , list(ID,Score,Diff=diff(Score))  ]
    ID Score Diff
 1:  1    40   -4
 2:  2    36   -4
 3:  3    32   -4
 4:  4    28   -4
 5:  5    24   -4
 6:  6    20   -4
 7:  7    16   -4
 8:  8    12   -4
 9:  9     8   -4
10: 10     4   -4

感谢@AnandaMahto提供了一种替代语法,可以更灵活地选择运行它的列可以是:

DT[, lapply(.SD, diff), .SDcols = 1:2]

这.SDcols = 1:2意味着您要将该diff函数应用于第1列和第2列.如果您有20列但不想将其应用于ID,则可以将其.SDcols=2:20用作示例.

Answer 5

我想展示一种替代方法来做这种事情，即使我经常觉得以这种方式这样做是不受欢迎的：使用 sql。

sqldf(paste("SELECT a.ID,a.Score"
            ,"      , a.Score - (SELECT b.Score"
            ,"                   FROM df b"
            ,"                   WHERE b.ID < a.ID"
            ,"                   ORDER BY b.ID DESC"
            ,"                   ) diff"
            ," FROM df a"
            )
      )

代码看起来很复杂，但事实并非如此，它有一些优势，正如您在结果中看到的：

    ID Score diff
 1   1    40 <NA>
 2   2    36 -4.0
 3   3    32 -4.0
 4   4    28 -4.0
 5   5    24 -4.0
 6   6    20 -4.0
 7   7    16 -4.0
 8   8    12 -4.0
 9   9     8 -4.0
 10 10     4 -4.0

一个优点是您使用原始数据框（不转换为其他类）并获得一个数据框（将其放入 res <- ....）。另一个优点是您仍然拥有所有行。第三个优点是可以轻松考虑分组因素。例如：

df2 <- data.frame(ID=1:10,grp=rep(c("v","w"), each=5),Score=4*10:1)

sqldf(paste("SELECT a.ID,a.grp,a.Score"
            ,"      , a.Score - (SELECT b.Score"
            ,"                   FROM df2 b"
            ,"                   WHERE b.ID < a.ID"
            ,"                         AND a.grp = b.grp"
            ,"                   ORDER BY b.ID DESC"
            ,"                   ) diff"
     ," FROM df2 a"
     )
)


   ID grp Score diff
1   1   v    40 <NA>
2   2   v    36 -4.0
3   3   v    32 -4.0
4   4   v    28 -4.0
5   5   v    24 -4.0
6   6   w    20 <NA>
7   7   w    16 -4.0
8   8   w    12 -4.0
9   9   w     8 -4.0
10 10   w     4 -4.0

Answer 6

几年后添加它以保持完整性 - 您也可以使用简单的子 [.data.frame集来实现这一点

df[-1, ] - df[-nrow(df), ]
#    ID Score
# 2   1    -4
# 3   1    -4
# 4   1    -4
# 5   1    -4
# 6   1    -4
# 7   1    -4
# 8   1    -4
# 9   1    -4
# 10  1    -4