R: Obliczanie średniej z 5 lat w danych panelu

Question

Mam zrównoważony panel według krajów od 1951 do 2007 w ramce danych. Chciałbym przekształcić go w nową ramkę danych pięcioletnich średnich innych moich zmiennych. Kiedy usiadłem, aby to zrobić, zdałem sobie sprawę, że jedyny sposób, w jaki mógłbym to zrobić, obejmował pętlę for, a następnie zdecydowałem, że nadszedł czas, aby przyjść do stackoverflow, aby uzyskać pomoc.

Tak, to istnieje prosty sposób, aby włączyć dane, które wygląda następująco:

country country.isocode year  POP   ci  grgdpch 
Argentina    ARG 1951 17517.34 18.445022145 3.4602044759 
Argentina    ARG 1952 17876.96 17.76066507 -7.887407586 
Argentina    ARG 1953 18230.82 18.365255769 2.3118720688 
Argentina    ARG 1954 18580.56 16.982113434 1.5693778844 
Argentina    ARG 1955 18927.82 17.488907008 5.3690276523 
Argentina    ARG 1956 19271.51 15.907756547 0.3125559183 
Argentina    ARG 1957 19610.54 17.028450999 2.4896639667 
Argentina    ARG 1958 19946.54 17.541597134 5.0025894968 
Argentina    ARG 1959 20281.15 16.137310492 -6.763501447 
Argentina    ARG 1960 20616.01 20.519539628 8.481742144 
... 
Venezuela    VEN 1997 22361.80 21.923577413 5.603872759 
Venezuela    VEN 1998 22751.36 24.451736863 -0.781844721 
Venezuela    VEN 1999 23128.64 21.585034168 -8.728234466 
Venezuela    VEN 2000 23492.75 20.224310777 2.6828641218 
Venezuela    VEN 2001 23843.87 23.480311721 0.2476965412 
Venezuela    VEN 2002 24191.77 16.290691319 -8.02535946 
Venezuela    VEN 2003 24545.43 10.972153646 -8.341989049 
Venezuela    VEN 2004 24904.62 17.147693312 14.644028806 
Venezuela    VEN 2005 25269.18 18.805970212 7.3156977879 
Venezuela    VEN 2006 25641.46 22.191098769 5.2737381326 
Venezuela    VEN 2007 26023.53 26.518210052 4.1367897561 

w coś takiego:

country country.isocode period AvPOP  Avci Avgrgdpch 
Argentina    ARG  1 18230 17.38474 1.423454 
... 
Venezuela    VEN  12 25274 21.45343 5.454334 

Czy muszę przekształcić tę ramkę danych za pomocą specjalnego panelu pakiet danych? Czy istnieje inny łatwy sposób, aby to zrobić, że brakuje mi?

Answer 1

To rzeczy aggregate jest dla. :

Df <- data.frame(
    year=rep(1951:1970,2), 
    country=rep(c("Arg","Ven"),each=20), 
    var1 = c(1:20,51:70), 
    var2 = c(20:1,70:51) 
) 

Level <-cut(Df$year,seq(1951,1971,by=5),right=F) 
id <- c("var1","var2") 

> aggregate(Df[id],list(Df$country,Level),mean) 
    Group.1  Group.2 var1 var2 
1  Arg [1951,1956) 3 18 
2  Ven [1951,1956) 53 68 
3  Arg [1956,1961) 8 13 
4  Ven [1956,1961) 58 63 
5  Arg [1961,1966) 13 8 
6  Ven [1961,1966) 63 58 
7  Arg [1966,1971) 18 3 
8  Ven [1966,1971) 68 53 

Jedyne, co możesz chcieć zrobić, to zmienić nazwy kategorii i nazwy zmiennych.

Answer 2

Użyj dla zmiennej roku, aby utworzyć zmienną okresu, a następnie użyj melt i cast z pakietu przekształć, aby uzyskać średnie. Istnieje wiele innych odpowiedzi, które mogą pokazać ci, jak; zobacz https://stackoverflow.com/questions/tagged/r+reshape

Answer 3

Dla tego typu problemu pakiet plyr jest naprawdę fenomenalny. Oto kod, który daje ci to, co chcesz, w zasadzie w jednym wierszu kodu i małej funkcji pomocnika.

library(plyr) 
library(zoo) 
library(pwt) 

# First recreate dataset, using package pwt 
data(pwt6.3) 
pwt <- pwt6.3[ 
     pwt6.3$country %in% c("Argentina", "Venezuela"), 
     c("country", "isocode", "year", "pop", "ci", "rgdpch") 
] 

# Use rollmean() in zoo as basis for defining a rolling 5-period rolling mean 
rollmean5 <- function(x){ 
    rollmean(x, 5) 
} 

# Use ddply() in plyr package to create rolling average per country 
pwt.ma <- ddply(pwt, .(country), numcolwise(rollmean5)) 

Tutaj jest wyjście z tego:

> head(pwt, 10) 
      country isocode year  pop  ci rgdpch 
ARG-1950 Argentina  ARG 1950 17150.34 13.29214 7736.338 
ARG-1951 Argentina  ARG 1951 17517.34 18.44502 8004.031 
ARG-1952 Argentina  ARG 1952 17876.96 17.76067 7372.721 
ARG-1953 Argentina  ARG 1953 18230.82 18.36526 7543.169 
ARG-1954 Argentina  ARG 1954 18580.56 16.98211 7661.550 
ARG-1955 Argentina  ARG 1955 18927.82 17.48891 8072.900 
ARG-1956 Argentina  ARG 1956 19271.51 15.90776 8098.133 
ARG-1957 Argentina  ARG 1957 19610.54 17.02845 8299.749 
ARG-1958 Argentina  ARG 1958 19946.54 17.54160 8714.951 
ARG-1959 Argentina  ARG 1959 20281.15 16.13731 8125.515 

> head(pwt.ma) 
    country year  pop  ci rgdpch 
1 Argentina 1952 17871.20 16.96904 7663.562 
2 Argentina 1953 18226.70 17.80839 7730.874 
3 Argentina 1954 18577.53 17.30094 7749.694 
4 Argentina 1955 18924.25 17.15450 7935.100 
5 Argentina 1956 19267.39 16.98977 8169.456 
6 Argentina 1957 19607.51 16.82080 8262.250 

Zauważ, że rollmean(), domyślnie oblicza średnią skupione w ruchu. Możesz zmodyfikować to zachowanie, aby uzyskać lewy lub prawy ruch średniej, przekazując ten parametr do funkcji pomocnika.

EDIT:

@Joris Meys delikatnie zwrócił uwagę, że może w rzeczywistości być po średniej dla okresów pięcioletnich.

Oto zmodyfikowany kod, aby to zrobić:

pwt$period <- cut(pwt$year, seq(1900, 2100, 5)) 
pwt.ma <- ddply(pwt, .(country, period), numcolwise(mean)) 
pwt.ma 

a wyjście:

> pwt.ma 
    country  period year  pop  ci rgdpch 
1 Argentina (1945,1950] 1950.0 17150.336 13.29214 7736.338 
2 Argentina (1950,1955] 1953.0 18226.699 17.80839 7730.874 
3 Argentina (1955,1960] 1958.0 19945.149 17.42693 8410.610 
4 Argentina (1960,1965] 1963.0 21616.623 19.09067 9000.918 
5 Argentina (1965,1970] 1968.0 23273.736 18.89005 10202.665 
6 Argentina (1970,1975] 1973.0 25216.339 19.70203 11348.321 
7 Argentina (1975,1980] 1978.0 27445.430 23.34439 11907.939 
8 Argentina (1980,1985] 1983.0 29774.778 17.58909 10987.538 
9 Argentina (1985,1990] 1988.0 32095.227 15.17531 10313.375 
10 Argentina (1990,1995] 1993.0 34399.829 17.96758 11221.807 
11 Argentina (1995,2000] 1998.0 36512.422 19.03551 12652.849 
12 Argentina (2000,2005] 2003.0 38390.719 15.22084 12308.493 
13 Argentina (2005,2010] 2006.5 39831.625 21.11783 14885.227 
14 Venezuela (1945,1950] 1950.0 5009.006 41.07972 7067.947 
15 Venezuela (1950,1955] 1953.0 5684.009 44.60849 8132.041 
16 Venezuela (1955,1960] 1958.0 6988.078 37.87946 9468.001 
17 Venezuela (1960,1965] 1963.0 8451.073 26.93877 9958.935 
18 Venezuela (1965,1970] 1968.0 10056.910 28.66512 11083.242 
19 Venezuela (1970,1975] 1973.0 11903.185 32.02671 12862.966 
20 Venezuela (1975,1980] 1978.0 13927.882 36.35687 13530.556 
21 Venezuela (1980,1985] 1983.0 16082.694 22.21093 10762.718 
22 Venezuela (1985,1990] 1988.0 18382.964 19.48447 10376.123 
23 Venezuela (1990,1995] 1993.0 20680.645 19.82371 10988.096 
24 Venezuela (1995,2000] 1998.0 22739.062 20.93509 10837.580 
25 Venezuela (2000,2005] 2003.0 24550.973 17.33936 10085.322 
26 Venezuela (2005,2010] 2006.5 25832.495 24.35465 11790.497 

Answer 4

Istnieje podstawowa statystyka i odpowiedź plyr, więc dla kompletności, tutaj znajduje się odpowiedź na podstawie dplyr. Wykorzystując dane podane przez Joris zabawka, mamy

Df <- data.frame(
    year=rep(1951:1970,2), 
    country=rep(c("Arg","Ven"),each=20), 
    var1 = c(1:20,51:70), 
    var2 = c(20:1,70:51) 
) 

Teraz, używając cut stworzyć okresy, możemy wówczas grupa na nich i uzyskać środki:

Df %>% mutate(period = cut(Df$year,seq(1951,1971,by=5),right=F)) %>% 
group_by(country, period) %>% summarise(V1 = mean(var1), V2 = mean(var2)) 

Source: local data frame [8 x 4] 
Groups: country 

    country  period V1 V2 
1  Arg [1951,1956) 3 18 
2  Arg [1956,1961) 8 13 
3  Arg [1961,1966) 13 8 
4  Arg [1966,1971) 18 3 
5  Ven [1951,1956) 53 68 
6  Ven [1956,1961) 58 63 
7  Ven [1961,1966) 63 58 
8  Ven [1966,1971) 68 53