滞后值与日期

Question

我正在研究产品的价格。我有每日数据随机丢失一些信息。

请参阅此处的最小示例，其中缺少1月4日的信息：

library(lubridate)
library(data.table)

mockData <- data.table(timeStamp=c(ymd("20180101"), ymd("20180102"), ymd("20180103"), ymd("20180105")),
                       price=c(10,15,12,11))

我想将滞后价格添加到我的data.table，但如果前一天缺失，我想要一个NA而不是最近的信息日。

我自己解释一下：

如果我使用shift函数：

mockData[, lag_price:=shift(price,type="lag")]

我明白了：

structure(list(timeStamp = structure(c(17532, 17533, 17534, 17536
), class = "Date"), price = c(10, 15, 12, 11), lag_price = c(NA, 
                                                             10, 15, 12)), row.names = c(NA, -4L), class = c("data.table", 
                                                                                                             "data.frame"))

但我真正想要的是：

structure(list(timeStamp = structure(c(17532, 17533, 17534, 17536
), class = "Date"), price = c(10, 15, 12, 11), lag_price = c(NA, 
                                                             10, 15, NA)), row.names = c(NA, -4L), class = c("data.table", 
                                                                                                             "data.frame"))

使用data.table我感觉更舒服，但如果需要，我会与data.frame，dplyr和tidyverse合作

Answer 1

你可以添加一个ifelse语句来检查连续几天

mockData[, lag_price := ifelse(timeStamp - shift(timeStamp) == 1, shift(price), NA)]
#    timeStamp price lag_price
#1: 2018-01-01    10        NA
#2: 2018-01-02    15        10
#3: 2018-01-03    12        15
#4: 2018-01-05    11        NA

Answer 2

mockData[, v := 
  data.table(timeStamp = timeStamp + 1, price)[.SD, on=.(timeStamp), x.price]
]

    timeStamp price  v
1: 2018-01-01    10 NA
2: 2018-01-02    15 10
3: 2018-01-03    12 15
4: 2018-01-05    11 NA

这使用带有(timeStamp + 1, price)的表进行更新连接。

Answer 3

你可以扩展日期，然后lagprice。在此策略中，您还可以选择在管道中引入过滤器以取出您不想要的日期。

data.frame(timeStamp = seq(min(mockData$timeStamp), max(mockData$timeStamp), by = 1)) %>%
  # you could add a further filter in here to clean out dates you don't want
  left_join(., mockData, by = "timeStamp") %>%
  mutate(lag_price = lag(price)) %>%
  filter(!is.na(all_dates)) %>%
  select(-all_dates)