拆分 R 中的差异

Question

我在 R 中有一个数据集，如下所示：

data = structure(list(quarter = c("Q1 2005", "Q2 2005", "Q3 2005", "Q4 2005", 
"Q1 2006"), value = c(128.76, 178.83, 140.9, 188.3, 194.05)), class = "data.frame", row.names = c(NA, 
-5L))

我想扩展此数据集以添加一个名为“月”的额外列（例如一月、二月、三月……）...并且我想将连续季度之间所有月份的差异进行拆分，以便数字仍然相加每季度之间上涨。

我尝试这样做：

library(dplyr)

expand_dataset <- function(data) {
quarter_to_months <- list(
    "Q1" = c("Jan", "Feb", "Mar"),
    "Q2" = c("Apr", "May", "Jun"),
    "Q3" = c("Jul", "Aug", "Sep"),
    "Q4" = c("Oct", "Nov", "Dec")
    )

expanded_data <- data.frame()

for (i in 1:(nrow(data) - 1)) {
    current_value <- data$value[i]
    next_value <- data$value[i + 1]
    
    diff <- (next_value - current_value) / 3
    
    quarter <- substr(data$quarter[i], 1, 2)
    year <- substr(data$quarter[i], 4, 7)
    months <- quarter_to_months[[quarter]]
    
    for (j in 1:3) {
        month_value <- current_value + (j - 1) * diff
        expanded_data <- rbind(expanded_data, data.frame(
            quarter = data$quarter[i],
            month = months[j],
            year = year,
            value = month_value
        ))
    }
    }

return(expanded_data)
}

expanded_data <- expand_dataset(data)
print(expanded_data)

这是正确的方法吗？有更简单的方法吗？

Answer 1

如果您的意思是您为月份划分的总值等于您在原始数据集中分配的值，则您的代码不会创建该解决方案。

有很多很多方法可以实现这一目标。

此答案假设您想要一个值，该值总计等于该季度的值。我使用了季度值的 1/3 并将其分配给每个月。

此解决方案使用 dplyr 和 tidyr。

d2 <- data %>% rowwise %>%    # use rowwise so that vals only uses 1 row of data
  mutate(months = case_when(
    str_like(quarter, 'Q1') ~ list(month.abb[1:3]), # find strings like & assoc months
    str_like(quarter, 'Q2') ~ list(month.abb[4:6]), 
    str_like(quarter, 'Q3') ~ list(month.abb[7:9]), 
    TRUE ~ list(month.abb[10:12])),                 # if no other conditions met
    vals = list(rep(1/3 * value, 3))) %>%           # divide quarter vals amongst quarters' months
  unnest_longer(c(months, vals))      # get rid of the nested lists
# # A tibble: 15 × 4
#    quarter value months  vals
#    <chr>   <dbl> <chr>  <dbl>
#  1 Q1 2005  129. Oct     42.9
#  2 Q1 2005  129. Nov     42.9
#  3 Q1 2005  129. Dec     42.9
#  4 Q2 2005  179. Oct     59.6
#  5 Q2 2005  179. Nov     59.6
#  6 Q2 2005  179. Dec     59.6
#  7 Q3 2005  141. Oct     47.0
#  8 Q3 2005  141. Nov     47.0
#  9 Q3 2005  141. Dec     47.0
# 10 Q4 2005  188. Oct     62.8
# 11 Q4 2005  188. Nov     62.8
# 12 Q4 2005  188. Dec     62.8
# 13 Q1 2006  194. Oct     64.7
# 14 Q1 2006  194. Nov     64.7
# 15 Q1 2006  194. Dec     64.7