Was bedeutet die lag-Funktion in R zu tun?

plain Vektoren lag ist eine generische, das heißt, es kann anders handeln, auf Objekte unterschiedlicher Klassen. Hier besprechen wir nur, wie es funktioniert mit einem einfachen Vektor aber in den letzten beiden Abschnitten werden wir diskutieren auch "ts", "zoo" (und "zooreg") die Objekte der Klasse sind und wie Sie sind perfekt. Als Beispiel verwenden wir in diesem Vektor, der die Werte:

x <- c(11, 12, 13, 14)

tsp Erkennen, dass eine Zeitreihe ist eine Folge von Zeiten und die Werte zu diesen Zeiten. Hier haben wir nur die Werte, nicht aber die Zeiten, so lag konzeptionell fügt in regelmäßigen Abständen Standard-Zeiten von 1, 2, 3, 4, indem ein tsp Attribut, das ist ein dreifach kodiert, dass die start-Zeit, end-Zeit und der Frequenz (D. H. der Kehrwert der Entfernung zwischen den aufeinander folgenden Zeitpunkten). Wir codieren kann das mal 1, 2, 3, 4 als tsp Attribut c(1, 4, 1). 1 ist die Startzeit. 4 ist das Ende der Zeit. Die Zeit, die Punkte sind alle auf 1 auseinander (weil die Zeit Unterschiede 2-1, 3-2 und 4-3 jeweils gleich 1) und 1/1 = 1 also ist die Frequenz 1. Einer vierteljährlichen Reihe, in deren Zeiten werden in Jahren gemessen hätte eine Frequenz von 4 da jedes Quartal 0.25 auseinander und 1/0.25 = 4. Ähnlich, eine monatliche Serie in Jahren gemessen hätte eine Frequenz von 12.

lag lag verschiebt das mal einer zurück. Es ändert nicht die Werte, es werden nur die Zeiten. So lag Veränderungen der tsp Attribut aus c(1, 4, 1) zu c(0, 3, 1). Die Startzeit verschob sich von 1 auf 0, das Ende der Zeit verschoben ist, von 4 auf 3 und da verschiebt sich nicht ändern, die Frequenz, die der Frequenz bleibt 1.

> lag(x)
[1] 11 12 13 14
attr(,"tsp")
[1] 0 3 1

Zeit Die time Funktion erzeugt ein Objekt, dessen Werte sind die Zeiten in seiner Argumentation und deren tsp Attribut ist die gleiche wie die tsp - Attribut für das argument (oder die Standard - tsp Attribut, wenn keine). Zum Beispiel, wie wir schon besprochen den code unten zeigt, dass die Zeiten der einfachen Vektor x oben gegeben werden, sind 1, 2, 3, 4 und die Zeiten für lag(x) sind 0, 1, 2, 3.

> time(x)
[1] 1 2 3 4
attr(,"tsp")
[1] 1 4 1
> time(lag(x))
[1] 0 1 2 3
attr(,"tsp")
[1] 0 3 1

ts die Meisten Vorgänge auf der Ebene Vektoren ignorieren die tsp Attribut, so, wenn Sie etwas tun, damit seine Existenz möglicherweise sinnlos. Auf der anderen Seite, wenn das Objekt eine "ts" Klasse Objekt, dann die verschiedenen Operationen auf "ts" Objekte achten Sie auf die tsp Attribut. Zum Beispiel, beachten Sie, wo diese Grundstücke start:

# plain vector
plot(x) # plot starts at time = 1
plot(lag(x)) # same, tsp was ignored

# ts object
plot(ts(x)) # plot starts at time = 1
plot(lag(ts(x))) # plot starts at time = 0, tsp was not ignored

zoo Der Serie oben war, in regelmäßigen Abständen, D. H. die Unterschiede zwischen aufeinander folgenden Zeitpunkten die gleichen waren. Vertreten unregelmäßigen Abständen-Serie kann man die "zoo" und "zooreg" Klassen in den zoo-Paket. Ein zoo-Objekt die Werte mit einem index Attribut mit der Zeit. Die Zeiten sind nicht codiert, in einer tsp Attribut. Zum Beispiel, hier sehen wir, dass der zoo-Objekte hat mal 1, 2, 3, 4 gehalten und die Werte 11, 12, 13, 14:

> library(zoo)
>
> str(zoo(x))
‘zoo’ series from 1 to 4
  Data: num [1:4] 11 12 13 14
  Index:  int [1:4] 1 2 3 4

Den "zooreg" Klasse ist wie "zoo" für Gegenstände, die in regelmäßigen Abständen außer für einige Male, dass kann weggelassen werden. Intern "zooreg" Objekte sind die gleichen wie "zoo" Objekte außer der Frequenz auch gespeichert. Die Werte und der index sind die gleichen wie für zoo-aber wir wissen, Sie haben eine Frequenz-als auch. Da die sukzessive Zeit Punkte 1 neben der Frequenz ist 1.

> str(zooreg(x))
‘zooreg’ series from 1 to 4
  Data: num [1:4] 11 12 13 14
  Index:  num [1:4] 1 2 3 4
  Frequency: 1 

Wenn eine lag ein "zoo" Objekt dann jedes mal verschoben, der Vorherige mal und das erste mal fiel. Hier die Zeiten sind 1, 2, 3 und die Werte sind 12, 13, 14. Beachten Sie, dass die verzögerte Serie ist eine Teilmenge der Zeit der original-Serie. Das ist immer dann der Fall, wenn hinterher eine zoo-Serie:

> lag(zoo(x))
 1  2  3 
12 13 14 

Weil "zooreg" Objekte haben eine Frequenz Sie können die verzögerten Zeiten, die nicht in der original-Serie. Jedem Zeitpunkt t ist, blieb die t - deltat wo deltat ist 1/Frequenz. Hier 0, 1, 2, 3 sind die verzögerte Zeit, die Punkte und die Werte 11, 12, 13, 14:

> lag(zooreg(x))
 0  1  2  3 
11 12 13 14 

dplyr Das dplyr-package hat eine lag Funktion. Leider wirkt es in die entgegengesetzte Richtung von der Basis R lag - Funktion lag(x, k) bewegt sich jedes Element in der Serie nach vorne anstatt nach hinten. Dies kann tatsächlich mehr intuitiv, sondern verursacht eine Menge Verwirrung aufgrund der Inkompatibilität mit base R. verwenden Sie dplyr sehr vorsichtig sein, dass Sie wissen, ob dplyr geladen wird oder nicht.

dplyr ' s lag ist besonders nützlich, wenn verwendet mit Daten-frames, da ein Vektor (wie beispielsweise eine Spalte eines data Frames) es gibt immer einen Vektor, der die gleiche Länge. Es hat eine default= argument, das sich standardmäßig auf NA, aber können durch den Benutzer festgelegt werden, um zu bestimmen, was der Wert leer(s) an den Anfang des Vektors sind ausgefüllt mit. Negative lags sind nicht erlaubt, aber das dplyr lead - Funktion verwendet werden.

dplyr::lag(1:5)
## [1] NA  1  2  3  4

dplyr::lag(1:5, 2)
## [1] NA NA  1  2  3

dplyr::lead(1:5)
## [1]  2  3  4  5 NA