在R中增量遍歷數據幀列n次

Question

因此，首先，請原諒我對R的無知。我仍然很陌生。

我為接下來的幾天要執行的實驗創建了一個模擬數據集df。 數據將如下所示：

well time area
a1  0   100
a1  8   88
a1  16  78
a1  24  33
a2  0   96
a2  8   91
a2  16  69
a2  24  41
a3  0   98
a3  8   60
a3  16  24
a3  24  2
a4  0   89
a4  8   63
a4  16  49
a4  24  27
...

其中“好”是樣品編號，“時間”是實驗過程中的時間，“面積”是我要測量的對象的面積。 我想確定在每個時間點（0、8、16、24）的每口井，相對於時間0時該井的初始面積，所測量的面積發生了多少變化。

為此，我想在數據框中添加一列名為“ percent_initial_size”。 在此列中，我需要計算每個時間點的初始測量面積（在時間0）的百分比。 通用公式如下所示：

(area_at_timeX/area_at_time0)*100

為了幫助弄清我要做什么，這是我希望數據集看起來的樣子：

well time area percent_initial_size
a1  0   100 100
a1  8   88  88
a1  16  78  78
a1  24  33  33
a2  0   96  100
a2  8   91  94.79
a2  16  69  71.88
a2  24  41  42.71
a3  0   98  100
a3  8   60  61.22
a3  16  24  24.49
a3  24  2   2.04
a4  0   89  100
a4  8   63  70.79
a4  16  49  55.06
a4  24  27  30.34
...

因此，對於df $ percent_initial_size中的2-5行，我需要在df $ area的第2行（時間0的區域）中引用單個值。 然后，對於df $ percent_initial_size中的6-9行，我需要引用df $ area第6行（也是時間0的區域）。 我正在嘗試編寫一個腳本來遵循這種模式，直到我的數據集結束為止（大約500行）。 希望這是有道理的。

我知道一些基本的軟件包（dplyr，tidyr，reshape2等），但是我對如何執行此操作感到茫然。 我已經嘗試了幾種解決此問題的方法，但是我對R不夠熟悉，無法完全解決它。 有沒有人可以對此提供幫助，或者至少將我引向一些可能有幫助的文檔？ 我不確定在數據為格式時是否可以做我想做的事情，或者是否需要重新格式化數據框，進行計算，然后將其轉換回原始格式以便在ggplot2中進行繪圖。 非常感謝！

Answer 1

library(data.table)
 setDT(dat)[,percent_initial_size:=area/area[1]*100,by=well]
 dat
    well time area percent_initial_size
 1:   a1    0  100           100.000000
 2:   a1    8   88            88.000000
 3:   a1   16   78            78.000000
 4:   a1   24   33            33.000000
 5:   a2    0   96           100.000000
 6:   a2    8   91            94.791667
 7:   a2   16   69            71.875000
 8:   a2   24   41            42.708333
 9:   a3    0   98           100.000000
10:   a3    8   60            61.224490
11:   a3   16   24            24.489796
12:   a3   24    2             2.040816
13:   a4    0   89           100.000000
14:   a4    8   63            70.786517
15:   a4   16   49            55.056180
16:   a4   24   27            30.337079

要使用dplyr軟件包：

library(dplyr)
dat%>%group_by(well)%>%mutate(percent_initial_size=area/area[1]*100)

Answer 2

library(dplyr)
df %>%
  # perform operations separately for each well
  group_by(well) %>%
  # make sure time zero is in the first position
  arrange(time) %>%
  # divide each area by the first area value for the group (i.e. time zero for the well)
  mutate(percent_initial_size = area / area[1] * 100)

考慮這些問題的訣竅在於了解mutate表達式中正在發生的事情。 就像df$area在正常情況下所做的那樣， area求值為向量，並且只要最終結果的長度與輸入的長度相同，就可以進行各種R操作。

此處的例外情況是，先前的group_by更改，以便按數據的well值將數據分為多個塊， well對每個組一次評估mutate表達式，而不是一次對整個數據幀求值。 這樣可以使子集的區域（ area[1] ）的子集獲得每個組中的第一個區域，並且arrange調用確保第一個區域將是時間為零的區域。