blocks|key|959215|text|我们可以接受所有值之间的差异，但只保留那些不连续的值。|type|unstyled|depth|inlineStyleRanges|entityRanges|data|959216|with(df,+diff(x)[diff(x)+!=+1])
#[1]++2++2++2++3++4++2++2++2+15+10++4+15+29|code-block|syntax|javascript|959217|entityMap^0|0|0^^$0|@$1|2|3|4|5|6|7|I|8|@]|9|@]|A|$]]|$1|B|3|C|5|D|7|J|8|@]|9|@]|A|$E|F]]|$1|G|3|-4|5|6|7|K|8|@]|9|@]|A|$]]]|H|$]]

We can take difference between all values but keep only those values which are not consecutive

<pre><code>with(df, diff(x)[diff(x) != 1])
#[1] 2 2 2 3 4 2 2 2 15 10 4 15 29
</code></pre>

blocks|key|464063|text|采用@Ronak的方法，我们可以通过dplyr实现以下目标：|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|464064|library(dplyr)
++df+%25>%25
++transmute(x=lead(x,1)-x)+%25>%25+
++filter(x!=1)++
++++++++x
++++1+++2
++++2+++2
++++3+++2
++++4+++3
++++5+++4
++++6+++2
++++7+++2
++++8+++2
++++9++15
++++10+10
++++11++4
++++12+15
++++13+29|code-block|syntax|javascript|464065|entityMap^0|I|5|0|0^^$0|@$1|2|3|4|5|6|7|M|8|@$9|N|A|O|B|C]]|D|@]|E|$]]|$1|F|3|G|5|H|7|P|8|@]|D|@]|E|$I|J]]|$1|K|3|-4|5|6|7|Q|8|@]|D|@]|E|$]]]|L|$]]

Adapting @Ronak Shah's approach,we could achieve this with <code>dplyr</code> as follows:

<pre><code>library(dplyr)
 df %&gt;%
 transmute(x=lead(x,1)-x) %&gt;% 
 filter(x!=1) 
 x
 1 2
 2 2
 3 2
 4 3
 5 4
 6 2
 7 2
 8 2
 9 15
 10 10
 11 4
 12 15
 13 29
</code></pre>

blocks|key|2744680|text|使用head，tail来得到差异。|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|2744681|with(df,+{i1+<-+tail(x,+-1)+-+head(x,+-1);+i1[i1+!=+1]})
#[1]++2++2++2++3++4++2++2++2+15+10++4+15+29|code-block|syntax|javascript|2744682|注:未重新计算两次|2744683|entityMap^0|2|4|7|4|0|0|0^^$0|@$1|2|3|4|5|6|7|O|8|@$9|P|A|Q|B|C]|$9|R|A|S|B|C]]|D|@]|E|$]]|$1|F|3|G|5|H|7|T|8|@]|D|@]|E|$I|J]]|$1|K|3|L|5|6|7|U|8|@]|D|@]|E|$]]|$1|M|3|-4|5|6|7|V|8|@]|D|@]|E|$]]]|N|$]]

Using <code>head</code>, <code>tail</code> to get the difference. 

<pre><code>with(df, {i1 &lt;- tail(x, -1) - head(x, -1); i1[i1 != 1]})
#[1] 2 2 2 3 4 2 2 2 15 10 4 15 29
</code></pre>

NOTE: Not redoing the calculation twice

blocks|key|463944|text|减法是这样的：|type|unstyled|depth|inlineStyleRanges|entityRanges|data|463945|+df_lag+<-+df[2:nrow(df),]+-+df[1:(nrow(df)-1),]|code-block|syntax|javascript|463946|这会给你带来你想要的滞后。|463947|df_lag[df_lag>1]
+[1]++2++2++2++3++4++2++2++2+15+10++4+15+29|463948|entityMap^0|0|0|0|0^^$0|@$1|2|3|4|5|6|7|M|8|@]|9|@]|A|$]]|$1|B|3|C|5|D|7|N|8|@]|9|@]|A|$E|F]]|$1|G|3|H|5|6|7|O|8|@]|9|@]|A|$]]|$1|I|3|J|5|D|7|P|8|@]|9|@]|A|$E|F]]|$1|K|3|-4|5|6|7|Q|8|@]|9|@]|A|$]]]|L|$]]

Do the subtraction like this:

<pre><code> df_lag &lt;- df[2:nrow(df),] - df[1:(nrow(df)-1),]
</code></pre>

That will give you the lag you want.

<pre><code>df_lag[df_lag&gt;1]
 [1] 2 2 2 3 4 2 2 2 15 10 4 15 29
</code></pre>

blocks|key|2744573|text|基本上，您需要构造分组变量并从中获取它，即|type|unstyled|depth|inlineStyleRanges|entityRanges|data|2744574|c(FALSE,+cumsum(diff(df$x)+==+1))
#[1]++0++0++0++1++1++1++1++2++2++2++3++4++4++5++5++5++5++6++6++7++7++8++9+10|code-block|syntax|javascript|2744575|然后你可以用它来做你想做的任何计算，例如，|2744576|tapply(df$x,+df$new,+diff)

#$`0`
#[1]+2+2

#$`1`
#[1]+2+3+4

#$`2`
#[1]+2+2

#$`3`
#numeric(0)

#$`4`
#[1]+2

#$`5`
#[1]+15+10++4

#$`6`
#[1]+15

#$`7`
#[1]+29

#$`8`
#numeric(0)

#$`9`
#numeric(0)

#$`10`
#numeric(0)|2744577|entityMap^0|0|0|0|0^^$0|@$1|2|3|4|5|6|7|M|8|@]|9|@]|A|$]]|$1|B|3|C|5|D|7|N|8|@]|9|@]|A|$E|F]]|$1|G|3|H|5|6|7|O|8|@]|9|@]|A|$]]|$1|I|3|J|5|D|7|P|8|@]|9|@]|A|$E|F]]|$1|K|3|-4|5|6|7|Q|8|@]|9|@]|A|$]]]|L|$]]

You basically need to construct your grouping variable and take it from there, i.e.

<pre><code>c(FALSE, cumsum(diff(df$x) == 1))
#[1] 0 0 0 1 1 1 1 2 2 2 3 4 4 5 5 5 5 6 6 7 7 8 9 10
</code></pre>

You can then use that to do whatever calculations you want, for example the difference would be,

<pre><code>tapply(df$x, df$new, diff)

#$`0`
#[1] 2 2

#$`1`
#[1] 2 3 4

#$`2`
#[1] 2 2

#$`3`
#numeric(0)

#$`4`
#[1] 2

#$`5`
#[1] 15 10 4

#$`6`
#[1] 15

#$`7`
#[1] 29

#$`8`
#numeric(0)

#$`9`
#numeric(0)

#$`10`
#numeric(0)
</code></pre>

blocks|key|2744606|text|下面是另一个将差异附加到df以及起始x值的答案：|type|unstyled|depth|inlineStyleRanges|entityRanges|data|2744607|df+=+data.frame(x+=+c(1,3,5,6,8,11,15,16,18,20,21,22,24,25,40,50,54,55,70,71,100,101,102,103))

df$x0+<-+c(NA_integer_,+df[1:(nrow(df)-1),+'x'])
df$difference+=+c(0,+diff(df$x))

df[df$difference+>+1,+]

#++++x+x0+difference
2++++3++1++++++++++2
3++++5++3++++++++++2
5++++8++6++++++++++2
6+++11++8++++++++++3
7+++15+11++++++++++4
9+++18+16++++++++++2
10++20+18++++++++++2
13++24+22++++++++++2
15++40+25+++++++++15
16++50+40+++++++++10
17++54+50++++++++++4
19++70+55+++++++++15
21+100+71+++++++++29|code-block|syntax|javascript|2744608|entityMap^0|0|0^^$0|@$1|2|3|4|5|6|7|I|8|@]|9|@]|A|$]]|$1|B|3|C|5|D|7|J|8|@]|9|@]|A|$E|F]]|$1|G|3|-4|5|6|7|K|8|@]|9|@]|A|$]]]|H|$]]

Here's another answer which appends the difference to the df as well as the starting x value:

<pre><code>df = data.frame(x = c(1,3,5,6,8,11,15,16,18,20,21,22,24,25,40,50,54,55,70,71,100,101,102,103))

df$x0 &lt;- c(NA_integer_, df[1:(nrow(df)-1), 'x'])
df$difference = c(0, diff(df$x))

df[df$difference &gt; 1, ]

# x x0 difference
2 3 1 2
3 5 3 2
5 8 6 2
6 11 8 3
7 15 11 4
9 18 16 2
10 20 18 2
13 24 22 2
15 40 25 15
16 50 40 10
17 54 50 4
19 70 55 15
21 100 71 29
</code></pre>

Let's suppose I have the following data.frame:

<pre><code>df = data.frame(x = c(1,3,5,6,8,11,15,16,18,20,21,22,24,25,40,50,54,55,70,71,100,101,102,103))
</code></pre>

I need to find the lag between non-consecutive x values.
This means authomatically doing: 3-1, 5-3, 8-6, 11-8, 15-11, 18-16, 20-18, 24-22, etc...

Any suggestion?

Find lag between non-consecutive observations

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

让我们假设我有以下data.frame：df = data.frame(x = c(1,3,5,6,8,11,15,16,18,20,21,22,24,25,40,50,54,55,70,71,100,101,102,103))我需要找出非连续x值之间的滞后。这意味着真实地做: 3-1，5-3，8-6，11-8，15-11，18-16，20-18，24-22等.有什么建议吗？

问找出非连续观测之间的滞后
EN

回答 6

Stack Overflow用户

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问找出非连续观测之间的滞后EN

回答 6

Stack Overflow用户

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问找出非连续观测之间的滞后
EN