将基准年索引添加到具有多个组的 R 数据框

Question

我有一个包含很少分组变量的年度时间序列数据框，我需要添加一个基于特定年份的索引列。

df <- data.frame(YEAR = c(2000,2001,2002,2000,2001,2002), 
                 GRP = c("A","A","A","B","B","B"),
                 VAL = sample(6))

我想创建一个简单的变量 VAL 索引，即值除以基准年的值，比如 2000：

df$VAL.IND <- df$VAL/df$VAL[df$YEAR == 2000]

这是不对的，因为它不尊重分组变量 GRP。我试过 plyr 但我无法让它工作。

在我的实际问题中，我有几个具有不同时间序列的分组变量，因此我正在寻找一个非常通用的解决方案。

Answer 1

我们可以在分组变量 ('GRP') 内进行计算后创建 'VAL.IND'。这可以通过多种方式完成。

一种选择是data.table我们从“data.frame”（setDT(df)）创建“data.table” ，按“GRP”分组，我们将“VAL”除以对应于“YEAR”值为 2000 的“VAL”。

 library(data.table)
 setDT(df)[, VAL.IND := VAL/VAL[YEAR==2000], by = GRP]

注意：baseYEAR 对结果来说有点令人困惑。在示例中，'A' 和 'B' GRP 都具有 'YEAR' 2000。假设，如果 OP 打算使用最小 YEAR 值（考虑到它是数字列），VAL/VAL[YEAR==2000]则可以将上述代码中的VAL/VAL[which.min(YEAR)].

或者您可以使用类似的代码与dplyr. 我们按“GRP”分组并用于mutate创建“VAL.IND”

 library(dplyr)
 df %>%
    group_by(GRP) %>%
    mutate(VAL.IND = VAL/VAL[YEAR==2000])

在这里，如果我们需要替换VAL/VAL[YEAR==2000]为VAL/VAL[which.min(YEAR)]

一个base R选项split/unsplit。我们split由“GRP”列中的数据集转换data.frame到list通过dataframes的，循环list用输出lapply，使用创建新列transform（或within）和转换list与加列回单data.frame的unsplit。

  unsplit(lapply(split(df, df$GRP), function(x) 
          transform(x, VAL.IND= VAL/VAL[YEAR==2000])), df$GRP)

请注意，我们也可以使用do.call(rbind代替unsplit。但是，我更喜欢unsplit获得与原始数据集相同的行顺序。