变滞后/变铅矢量中元素差的计算

Question

我有一些实验室数据，我正在计算移动时间框架/窗口上的样本测量值之间的差异，例如2分钟(对应于0-2，2-4，4-6分钟，静态窗口)，问题是，尽管数据是每秒取样的，但也有一些丢失的样本(例如，1,2,4,6,7)，所以我不能使用固定的滞后函数，特别是对于较大的时间窗口。

这是我尝试过的最有希望的。我试图计算行位置的差异，然后使用它来确定滞后值。

library(tidyverse)

df <- data.frame(sample_group = c(rep("a", 25), rep("b", 25)),t_seconds = c(1:50), measurement = seq(1,100,2))
df <- df[-c(5,10,23,33,44),] #remove samples

t_window = 5 

df_diff <- df %>%
  group_by(sample_group) %>%
  arrange(t_seconds) %>%
      mutate(lag_row = min(which(t_seconds >= t_seconds + t_window))- min(which(t_seconds == t_seconds)), #attempt to identify the lag value for each element 
             Meas_diff = measurement - lag(measurement, lag_row))

在这个例子(lag_row)中，我试图从向量和向量本身调用一个元素，这显然不起作用！为了更清楚地说明，我添加了“_v”来识别我想要的向量，_e作为向量min(which(t_seconds_v >= t_seconds_e + t_window))- min(which(t_seconds_v == t_seconds_e))的一个元素。

我试图避免使用循环，但我未能解决这个问题。如果有人有更好的主意我会很感激的？

Answer 1

你的第一步应该是在你的时间序列中插入缺失的观测。然后，您可以使用最后一次观察-携带-向后操作来填充缺失的值。这为您提供了一个完整的常规时间序列。

您想要的输出非常不清楚，因此在下面的示例中，接下来的步骤只是猜测。根据需要调整。

#complete time series (using a data.table join):
library(data.table)
setDT(df)
df_fill <- df[, .SD[data.table(t_seconds = min(t_seconds):max(t_seconds)), 
                    on = "t_seconds"], 
              by = sample_group]
df_fill[, filled := is.na(measurement)]

#last observation carried backwards
library(zoo)
df_fill[, measurement := na.locf(measurement, fromLast = TRUE), by = sample_group]

#differences
df_fill[, diff_value := shift(measurement, -t_window) - measurement, by = sample_group]