如何使用 Tidyverse 在 R 中聚合混亂的季度數據，搜索第一個連續的四個季度集

Question

我有一個數據操作和排除挑戰，我只是不知道如何成功解決。 我的數據格式整齊，所有觀察結果都是行。 這是我的數據集的代表：

quarter <- c("Q4", "Q3", "Q2","Q1", "Q3", "Q2", "Q1","Q4", "Q2", "Q1", "Q4", "Q3", "Q2", "Q1","Q4", "Q3", "Q1")
year <- c("2020", "2020","2020","2020","2019","2019","2019", "2020", "2020","2020","2019","2019","2019","2019", "2020", "2020","2020")
country <- c("Brazil","Brazil","Brazil","Brazil","Brazil","Brazil","Brazil","Brazil","Brazil","Brazil", "Brazil","Brazil","Brazil","Brazil","France","France","France")
indicator <- c("Testing","Testing", "Testing","Testing","Testing","Testing","Testing","TestingPos","TestingPos","TestingPos","TestingPos","TestingPos","TestingPos","TestingPos", "Testing","Testing","Testing")
value <- sample(c(1:10), 17, replace = T)

quarterlydf <- data.frame(quarter, year, country, indicator, value)

quarter year country  indicator value
1       Q4 2020  Brazil    Testing     9
2       Q3 2020  Brazil    Testing     3
3       Q2 2020  Brazil    Testing     2
4       Q1 2020  Brazil    Testing     7
5       Q3 2019  Brazil    Testing     1
6       Q2 2019  Brazil    Testing     5
7       Q1 2019  Brazil    Testing     6
8       Q4 2020  Brazil TestingPos     4
9       Q2 2020  Brazil TestingPos     4
10      Q1 2020  Brazil TestingPos     3
11      Q4 2019  Brazil TestingPos     7
12      Q3 2019  Brazil TestingPos     2
13      Q2 2019  Brazil TestingPos     8
14      Q1 2019  Brazil TestingPos     1
15      Q4 2020  France    Testing     1
16      Q3 2020  France    Testing     1
17      Q1 2020  France    Testing     8

對於每個國家和指標組合，我需要找到最近的連續 4 個季度。 對於最近的一組四個連續季度（例如，2019 年第三季度、2019 年第四季度、2020 年第一季度、2020 年第二季度），我需要在新的 dataframe（此處為年度）中創建一個新行，其中包含國家、開始和結束季度/年、指標、包含季度的值的總和和平均值。

所有其他連續的四分之一集都應該被丟棄，任何不存在連續集的地方都應該被丟棄。

前一幀的產品應如下所示：

start     end country  indicator sum mean
1 Q1_2020 Q4_2020  Brazil    Testing  21 5.25
2 Q3_2019 Q2_2020  Brazil TestingPos  16    4

我不會 go 到我嘗試過的所有內容中，但它變得非常非常難看，涉及嘗試將順序 ID 重新分配給每個可能的季度/年度組合，然后使用 pivot_wider() 為每個 ID 創建多個列，將這些列連接到一個結果，然后使用一組怪誕的 str_detect() 搜索來搜索和分配值。 長話短說，我認為我正在嘗試的整個方法非常糟糕而且非常不雅。

必須有一種優雅的方式來做到這一點。

任何建議都會非常非常感謝。 謝謝你。

EDIT1：Per Limey 在所需的 output 中有一個小錯字（Q2_2019 應該是 Q2_2020）。 這已得到修復。

Answer 1

雖然語法有點長（我會嘗試更短），但這會起作用。 這里唯一的假設是沒有年份完全丟失，否則該字段也需要由complete 。 否則這些將起作用

quarterlydf %>% 
  arrange(desc(year, quarter)) %>%
  group_by(country, indicator, year) %>%
  complete(quarter = rev(c("Q1", "Q2", "Q3", "Q4"))) %>%
  group_by(country, indicator) %>%
  arrange(desc(year), desc(quarter), .by_group = T) %>%
  filter(with(rle(is.na(value)), rep(lengths, lengths)) >=4, !is.na(value)) %>%
  slice_head(n = 4) %>%
  summarise(start = paste0(last(year),"_", last(quarter)),
            end = paste0(first(year),"_", first(quarter)),
            sum = sum(value),
            mean = mean(value))

# A tibble: 2 x 6
# Groups:   country [1]
  country indicator  start   end       sum  mean
  <chr>   <chr>      <chr>   <chr>   <int> <dbl>
1 Brazil  Testing    2020_Q1 2020_Q4    18   4.5
2 Brazil  TestingPos 2019_Q3 2020_Q2    16   4 

也可以倒過來（按時間順序）

quarterlydf %>% 
  arrange(year, quarter) %>%
  group_by(country, indicator, year) %>%
  complete(quarter = c("Q1", "Q2", "Q3", "Q4")) %>%
  group_by(country, indicator) %>%
  filter(with(rle(is.na(value)), rep(lengths, lengths)) >=4, !is.na(value)) %>%
  slice_tail(n = 4) %>%
  summarise(start = paste0(first(year),"_", first(quarter)),
            end = paste0(last(year),"_", last(quarter)),
            sum = sum(value),
            mean = mean(value))