我如下翻译： 如何在R中计算变量在一段时间内更改之间的平均天数？

huangapple
go评论96阅读模式
英文:

How can I get the average number of days between changes in a variable over a period of time in R?

问题

我有一个数据集，其中包含日期和另一个变量（银行利率）。以下是数据的一部分：

我如下翻译： 如何在R中计算变量在一段时间内更改之间的平均天数？

我想计算银行利率连续变化之间的平均天数。例如，要获得如下输出：

我如下翻译： 如何在R中计算变量在一段时间内更改之间的平均天数？

基本上，我试图计算利率在变化之前保持不变的平均天数。

我可以使用通常的difftime()函数，但我需要它专门在利率发生变化时计算差异，然后求平均值。我是R的新手，不知道如何处理这个问题。

英文:

I have a dataset that has date and another variable (bank rate). Here is a snippet of the data:

我如下翻译： 如何在R中计算变量在一段时间内更改之间的平均天数？

I want to calculate the average number of days between each consecutive change in Bank rate. For example to get an output as such:

我如下翻译： 如何在R中计算变量在一段时间内更改之间的平均天数？

Essentially, I am trying to calculate the average number of days a rate remains for before it changes.

I am able to do the usual difftime() function, However I need it to specifically only calculate the difference when there are changes in the rate, and then average it out. I am new to R and unable to figure out how to go about this

答案1

得分: 1

我已经生成了与上述时间范围相符的一系列随机日期，并使用了上面的bank_rate，然后将它们放入了一个数据框（DF）中。

这个DF按date排序。然后使用filter将不显示任何bank_rate更改的数据删除（查看连续的bank_rate为2的情况）。创建一个新变量days_from_before，它计算了连续日期的天数。

平均值计算为days_from_before的mean。

  1. library(dplyr)
  3. set.seed(123)
  4. date <- sample(seq(as.Date("2018/02/07"), as.Date("2023/01/15"), by = "day"), 14)
  5. bank_rate <- c(1.5, 1.5, rep(2, 6), 0.5, 1.25, 4.5, 4.5, 4.75, 4.75)
  7. df <- data.frame(date, bank_rate)
  9. df
  10. #>          date bank_rate
  11. #> 1  2019-03-28      1.50
  12. #> 2  2019-05-15      1.50
  13. #> 3  2018-08-04      2.00
  14. #> 4  2019-07-17      2.00
  15. #> 5  2018-08-20      2.00
  16. #> 6  2020-09-01      2.00
  17. #> 7  2021-03-24      2.00
  18. #> 8  2021-09-21      2.00
  19. #> 9  2021-07-13      0.50
  20. #> 10 2021-07-28      1.25
  21. #> 11 2020-12-10      4.50
  22. #> 12 2021-12-05      4.50
  23. #> 13 2019-12-03      4.75
  24. #> 14 2019-10-01      4.75
  26. ddf <- df |>
  27.   arrange(date) |>
  28.   filter(bank_rate != dplyr::lag(bank_rate, default = 0)) |>
  29.   mutate(
  30.     days_from_before = as.numeric(difftime(date, dplyr::lag(date))),
  31.     days_from_before = ifelse(is.na(days_from_before), 0, days_from_before)
  32.   )
  34. ddf
  35. #>          date bank_rate days_from_before
  36. #> 1  2018-08-04      2.00                0
  37. #> 2  2019-03-28      1.50              236
  38. #> 3  2019-07-17      2.00              111
  39. #> 4  2019-10-01      4.75               76
  40. #> 5  2020-09-01      2.00              336
  41. #> 6  2020-12-10      4.50              100
  42. #> 7  2021-03-24      2.00              104
  43. #> 8  2021-07-13      0.50              111
  44. #> 9  2021-07-28      1.25               15
  45. #> 10 2021-09-21      2.00               55
  46. #> 11 2021-12-05      4.50               75
  48. mean(ddf$days_from_before)
  49. #> [1] 110.8182
英文:

I have a made a random sequence of dates in the timeframe as above and have used bank_rate from above and put them in a DF.

This DF is ordered for date.
Data which do not show any change in bank_rate are then removed by filter. (see consecutive bank_rates of 2). A new variable days_from_before is created which calculates the number of days of consecutive dates.

The average is calculated as the mean from days_from_before.

  1. library(dplyr)
  3. set.seed(123)
  4. date &lt;- sample(seq(as.Date(&quot;2018/02/07&quot;), as.Date(&quot;2023/01/15&quot;), by = &quot;day&quot;), 14)
  5. bank_rate &lt;- c(1.5, 1.5, rep(2, 6), 0.5, 1.25, 4.5, 4.5, 4.75, 4.75)
  7. df &lt;- data.frame(date, bank_rate)
  9. df
  10. #&gt;          date bank_rate
  11. #&gt; 1  2019-03-28      1.50
  12. #&gt; 2  2019-05-15      1.50
  13. #&gt; 3  2018-08-04      2.00
  14. #&gt; 4  2019-07-17      2.00
  15. #&gt; 5  2018-08-20      2.00
  16. #&gt; 6  2020-09-01      2.00
  17. #&gt; 7  2021-03-24      2.00
  18. #&gt; 8  2021-09-21      2.00
  19. #&gt; 9  2021-07-13      0.50
  20. #&gt; 10 2021-07-28      1.25
  21. #&gt; 11 2020-12-10      4.50
  22. #&gt; 12 2021-12-05      4.50
  23. #&gt; 13 2019-12-03      4.75
  24. #&gt; 14 2019-10-01      4.75
  26. ddf &lt;- df |&gt;
  27.   arrange(date) |&gt;
  28.   filter(bank_rate != dplyr::lag(bank_rate, default = 0)) |&gt; 
  29.   mutate(
  30.     days_from_before = as.numeric(difftime(date, dplyr::lag(date))),
  31.     days_from_before = ifelse(is.na(days_from_before), 0, days_from_before)
  32.   )
  34. ddf
  35. #&gt;          date bank_rate days_from_before
  36. #&gt; 1  2018-08-04      2.00                0
  37. #&gt; 2  2019-03-28      1.50              236
  38. #&gt; 3  2019-07-17      2.00              111
  39. #&gt; 4  2019-10-01      4.75               76
  40. #&gt; 5  2020-09-01      2.00              336
  41. #&gt; 6  2020-12-10      4.50              100
  42. #&gt; 7  2021-03-24      2.00              104
  43. #&gt; 8  2021-07-13      0.50              111
  44. #&gt; 9  2021-07-28      1.25               15
  45. #&gt; 10 2021-09-21      2.00               55
  46. #&gt; 11 2021-12-05      4.50               75
  48. mean(ddf$days_from_before)
  49. #&gt; [1] 110.8182

huangapple
  • 本文由 发表于 2023年2月24日 13:24:47
  • 转载请务必保留本文链接：https://go.coder-hub.com/75552884.html
  • average
  • date
  • days
  • r
匿名

发表评论

匿名网友

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen:

确定