在数据帧中排列列，与前几行相比有subtraction+百分比差异

Question

这是我在R中需要的一个例子，我有这样的数据

df <-
Scenario    Group1  Group2
S1             8    9
S2             7    8
S3             6    7
S4             4    5
S5             3    4

从上面的数据中，我想获得以下数据

df_converted <-
Scenario1   Scenario2   Group1  Group2
S1              S2        -1    -1
S1              S3        -2    -2
S1              S4        -4    -4
S1              S5        -5    -5
S2              S3        -1    -1
S2              S4        -3    -3
S2              S5        -4    -4
S3              S4        -2    -2
S3              S5        -3    -3
S4              S5        -1    -1

新数据中的每一行都是通过减去前一行或滞后行来获得的。对于第一列中所有场景的组合，都可以得到这一减法。如果解决方案是在dplyr中，那么它将非常有用，谢谢。上面的例子是为了减法，我需要另一个转换后的数据，给出行间的百分比差异。

Answer 1

您可以在这里使用full_join()，但是还有另一个选项(下面)，它更快，并利用了combn()

full_join(df,df, by=character()) %>% 
  filter(Scenario.x<Scenario.y) %>% 
  mutate(
    Group1 = Group1.y-Group1.x,
    Group2 = Group2.y-Group2.x,
    Perc1 = (Group1.y-Group1.x)/Group1.y,
    Perc2 = (Group2.y-Group2.x)/Group2.y
  ) %>% 
  select(Scenario1 = Scenario.x,
         Sceanrio2 = Scenario.y,
         Group1, Group2, Perc1,Perc2)

输出：

   Scenario1 Sceanrio2 Group1 Group2  Perc1  Perc2
   <chr>     <chr>      <dbl>  <dbl>  <dbl>  <dbl>
 1 S1        S2            -1     -1 -0.143 -0.125
 2 S1        S3            -2     -2 -0.333 -0.286
 3 S1        S4            -4     -4 -1     -0.8  
 4 S1        S5            -5     -5 -1.67  -1.25 
 5 S2        S3            -1     -1 -0.167 -0.143
 6 S2        S4            -3     -3 -0.75  -0.6  
 7 S2        S5            -4     -4 -1.33  -1    
 8 S3        S4            -2     -2 -0.5   -0.4  
 9 S3        S5            -3     -3 -1     -0.75 
10 S4        S5            -1     -1 -0.333 -0.25 

更新后的、更快的选项：

# Make sure Scenario is sorted
df <- df %>% arrange(Scenario)

# Create a function the gets difference and percent, given all combn
f <- function(df) {
  d= df[2,] - df[1,]
  p = d/df[2,]
  tibble(d,p)
}

# Column bind the results
do.call(cbind, list(
  as_tibble(t(combn(df$Scenario,2)),.name_repair = ~c("Scenario1","Scenario2")),
  df[,2:3] %>% map(~f(combn(.x,2)))
))

输出：

   Scenario1 Scenario2 Group1.d   Group1.p Group2.d   Group2.p
1         S1        S2       -1 -0.1428571       -1 -0.1250000
2         S1        S3       -2 -0.3333333       -2 -0.2857143
3         S1        S4       -4 -1.0000000       -4 -0.8000000
4         S1        S5       -5 -1.6666667       -5 -1.2500000
5         S2        S3       -1 -0.1666667       -1 -0.1428571
6         S2        S4       -3 -0.7500000       -3 -0.6000000
7         S2        S5       -4 -1.3333333       -4 -1.0000000
8         S3        S4       -2 -0.5000000       -2 -0.4000000
9         S3        S5       -3 -1.0000000       -3 -0.7500000
10        S4        S5       -1 -0.3333333       -1 -0.2500000