グループ化された時系列の遅延

時系列にはありますが場所ごとにグループ化された数万の観測があります。例えば：

location date     observationA observationB
---------------------------------------
 A       1-2010   22           12
 A       2-2010   26           15
 A       3-2010   45           16
 A       4-2010   46           27
 B       1-2010   167          48
 B       2-2010   134          56
 B       3-2010   201          53
 B       4-2010   207          42

私は月かどうかを確認したいのxさんは、observationA月との任意の線形の関係があるのx + 1つのをobservationB。

私はいくつかの調査を行い、zoo関数を見つけましたが、グループごとの遅延を制限する方法がないようです。したがって、動物園を使用しobservationB、1行遅れている場合observationB、場所Bが最初になり、場所Aが最後になりますobservationB。私はむしろ、「この行に触れないでください」を示す最初observationBの場所NAまたは他の明白な値を設定したいと考えています。

私が得ているのは、Rでこれを行う組み込みの方法があるかどうかです。そうでない場合は、標準のループ構造でこれを実行できると思います。それともデータを操作する必要がありますか？

グループ内の遅延変数を取得する方法はいくつかあります。まず、データを並べ替える必要があります。これにより、各グループで時刻がそれに応じて並べ替えられます。

まず、サンプルのdata.frameを作成します。

> set.seed(13)
> dt <- data.frame(location = rep(letters[1:2], each = 4), time = rep(1:4, 2), var = rnorm(8))
> dt
  location time        var
1        a    1  0.5543269
2        a    2 -0.2802719
3        a    3  1.7751634
4        a    4  0.1873201
5        b    1  1.1425261
6        b    2  0.4155261
7        b    3  1.2295066
8        b    4  0.2366797

ラグ関数を定義します。

 lg <- function(x)c(NA, x[1:(length(x)-1)])

1. 次に、グループ内の変数のラグを使用して計算できますtapply：

    > unlist(tapply(dt$var, dt$location, lg))
       a1         a2         a3         a4         b1         b2         b3         b4 
       NA  0.5543269 -0.2802719  1.7751634         NA  1.1425261  0.4155261  1.2295066
   

2. ddplyパッケージplyrからの使用：

   > ddply(dt, ~location, transform, lvar = lg(var))
     location time        var       lvar
   1        a    1 -0.1307015         NA
   2        a    2 -0.6365957 -0.1307015
   3        a    3 -0.6417577 -0.6365957
   4        a    4 -1.5191950 -0.6417577
   5        b    1 -1.6281638         NA
   6        b    2  0.8748671 -1.6281638
   7        b    3 -1.3343222  0.8748671
   8        b    4  1.5431753 -1.3343222  
   

3. data.tableパッケージdata.tableを使用したより高速なバージョン

    > ddt <- data.table(dt)
    > ddt[,lvar := lg(var), by = c("location")]
        location time        var       lvar
   [1,]        a    1 -0.1307015         NA
   [2,]        a    2 -0.6365957 -0.1307015
   [3,]        a    3 -0.6417577 -0.6365957
   [4,]        a    4 -1.5191950 -0.6417577
   [5,]        b    1 -1.6281638         NA
   [6,]        b    2  0.8748671 -1.6281638
   [7,]        b    3 -1.3343222  0.8748671
   [8,]        b    4  1.5431753 -1.3343222
   

4. lagパッケージplmの関数を使用する

    > pdt <- pdata.frame(dt)
    > lag(pdt$var)
      a-1        a-2        a-3        a-4        b-1        b-2        b-3        b-4 
       NA  0.5543269 -0.2802719  1.7751634         NA  1.1425261  0.4155261  1.2295066
   

5. lagパッケージdplyrの関数を使用する

   > dt %>% group_by(location) %>% mutate(lvar = lag(var))        
   Source: local data frame [8 x 4]
   Groups: location        
     location time        var       lvar
   1        a    1  0.5543269         NA
   2        a    2 -0.2802719  0.5543269
   3        a    3  1.7751634 -0.2802719
   4        a    4  0.1873201  1.7751634
   5        b    1  1.1425261         NA
   6        b    2  0.4155261  1.1425261
   7        b    3  1.2295066  0.4155261
   8        b    4  0.2366797  1.2295066
   

最後の2つのアプローチではdata.frame、別のオブジェクトへの変換が必要ですが、ソートについて心配する必要はありません。私の個人的な好みは最後のもので、最初に答えを書いたときには利用できませんでした。

更新： data.tableコードを変更して、@ Hibernatingが指摘するdata.tableパッケージの開発を反映しました。

更新2：dplyrの例を追加しました。

@ mpiktas回答のバージョン3の2つの小さな見落としについて簡単に説明します。第一に、「より高速なバージョン」という語句は明らかに誤って残されています。次に、「：=」という単語がコードから抜けています。後者を修正すると、前者も修正されます：=）

library(data.table);ddt <- data.table(dt)
f0<-function() plyr::ddply(dt,~location,transform,lvar=lg(var))
f1<-function() ddt[,transform(.SD,lvar=lg(var)),by=c("location")]
f2<-function() ddt[,lvar:=lg(var),by=location]
r0<-f0();r1<-f1();r2<-f2();all.equal(r0,r1,r2,check.attributes = FALSE)
boxplot(microbenchmark::microbenchmark(f0(),f1(),f2(),times=1000L))

すべてのtapply追加手順を実行するよりも、こちらの方が速い方法です。

dt<-data.frame(location=rep(letters[1:2],each=4),time=rep(1:4,2),var=rnorm(8))
lg<-function(x)c(NA,x[1:(length(x)-1)])
dt$lg <- ave(dt$var, dt$location, FUN=lg)

dplyrを使って

dt %>% group_by(location) %>% mutate(lvar=lag(var))

あなたはvarsパッケージを見たいかもしれません。ベクトル自己回帰（VAR）のような音は、あなたがしようとしているかもしれないものです。

DataCombineの場合：

library(DataCombine)
slide(df, Var="observationB", TimeVar="date", GroupVar="location", NewVar="lead.observationB", 
slideBy = 1, keepInvalid = FALSE, reminder = FALSE)

データもソートする必要があります。slideBy=-1ラグの代わりに使用してください。