在R中使用diff()忽略NA

Question

我有一个R DataFrame df，其内容如下：

Serial N         year         current
   B              10            14
   B              10            16
   B              11            10
   B              11            NA
   B              11            15
   C              12            11
   C              12             9
   C              12            13
   C              12            17
   .              .              .

我想找出同一序列N的每一对连续电流之间的区别。这是代码i wrote.But，我得到了一些奇怪的结果。

library(data.table)
setDT(df)[,mydiff:=diff(df$current),by=Serial N]   
    print(length(df$current))

我得到了下面的输出，因为这个专栏很奇怪，我得到了以下内容：

2 6  NA NA NA 2 6  NA NA NA 

实际上，我想要的是：

Serial N         year         current      mydiff
   B              10            14         
   B              10            16         16-14=2
   B              11            10         10-16=-4
   B              11            NA            NA
   B              11            15         15-10=5
   C              12            11
   C              12             9         9-11=-2    
   C              12           -13        -13-9=-22
   C              12            17         17-(-13)=30
   .              .              .

那样做是正确的吗？如果不是，如何解决这个问题(特别是不使用循环)？

Answer 1

通过应用

aggregate(current ~ Serial.N ,df1, diff)

一个得到

  Serial.N current.1 current.2 current.3
1        B         2        -6         5
2        C        -2         4         4

对应于

B:    16 - 14 =  2
      10 - 16 = -6
      15 - 10 =  5
C:     9 - 11 = -2
      13 -  9 =  4
      17 - 13 =  4

因此，diff()和aggregate()的输出对我来说似乎是有意义的。我可能还没有完全理解为什么您期望得到您所描述的输出。

编辑

如果Serial N C中的第三个条目是-13，而不是13 ( OP中的数据是矛盾的)，则结果是

aggregate(current ~ Serial.N ,df1, diff)
#   Serial.N current.1 current.2 current.3
# 1        B         2        -6         5
# 2        C        -2       -22        30

这似乎更接近预期的输出。

编辑2

若要将列mydiff添加到data.frame中，该列接受相同Serial N的连续值之间的差异，同时忽略NA值，可以使用

df1$mydiff <- with(df1, ave(current, Serial.N, 
                   FUN = function(x) c(NA, diff(na.omit(x)))))

这将导致一个警告("...not是替换长度的倍数“)，但是结果将接近预期的输出：

#  Serial.N year current mydiff
#1        B   10      14     NA
#2        B   10      16      2
#3        B   11      10     -6
#4        B   11      NA      5
#5        B   11      15     NA
#6        C   12      11     NA
#7        C   12       9     -2
#8        C   12     -13    -22
#9        C   12      17     30

mydiff列中的值是正确的，但是缺少一个NA值(在第4行中)。这是因为我们不能忽视NA，同时保存它们；至少在没有对data.frame进行重大操作的情况下是不能的。

希望这能有所帮助。

数据

df1 <- structure(list(Serial.N = structure(c(1L, 1L, 1L, 1L, 1L, 2L, 
        2L, 2L, 2L), .Label = c("B", "C"), class = "factor"), year = c(10L, 
        10L, 11L, 11L, 11L, 12L, 12L, 12L, 12L), current = c(14L, 16L, 
        10L, NA, 15L, 11L, 9L, -13L, 17L)), .Names = c("Serial.N", "year", 
        "current"), class = "data.frame", row.names = c(NA, -9L))