Calculer des accroissements à l'intérieur d'une variable

[Sylvain Gaudin]

Bonjour,

J'ai des données présentées sous la forme suivante :

Code : Tout sélectionner

Placette <- as.factor(c(1,1,1,2,2,1,1,1,2,2,2))
Arbre <- as.factor(c(1,2,3,1,2,1,2,3,1,2,3))
Diametre <- c(51,27,38,75,55,54,24,NA,77,58,37)
Annee <- as.factor(c("2017","2017","2017","2017","2017","2022","2022","2022","2022","2022","2022"))
Statut <- as.factor(c("G","G","M","G","G","G","G","M","G","G","N"))

df <- data.frame(Placette, Arbre, Diametre, Annee, Statut)



Le Statut correspond au statut de l'arbre (G : gardé, M : enlevé et N : nouveau). Chaque arbre gardé a une mesure de diamètre pour l'année 2017 et une pour l'année 2022. Je cherche à calculer l'accroissement pour chaque arbre gardé, c'est-à-dire la différence entre le Diamètre en 2022 et celui en 2017.
J'ai essayé en utilisant la bibliothèque "tidyverse", mais je bloque rapidement :

Code : Tout sélectionner

library(tidyverse)

Accroissement <- df %>%
  group_by(Annee, Placette, Arbre, Statut) %>%
  mutate(Acc = max(Diametre) - min(Diametre))


Je ne vois pas comment faire le calcul des accroissements ensuite (ce qui est ci-dessus ne fonctionne pas et ne donne que des zéros et un NA). Faut-il passer par une variable D2017 et D2022 ? Merci pour votre aide.

[Pierre-Yves Berrard]

Bonjour,

Une solution (ne groupe pas par année et utilise dplyr::lag) :

Code : Tout sélectionner

df %>%
  group_by(Placette, Arbre, Statut) %>%
  arrange(Annee) %>%
  mutate(Acc = Diametre - lag(Diametre)) %>%
  ungroup()

[Mickael Canouil]

Bonjour,

j'ajoute l'approche base et data.table (même résultat à l'ordre des lignes près).

Code : Tout sélectionner

df <- data.frame(
  Placette = as.factor(c(1,1,1,2,2,1,1,1,2,2,2)),
  Arbre = as.factor(c(1,2,3,1,2,1,2,3,1,2,3)),
  Diametre = c(51,27,38,75,55,54,24,NA,77,58,37),
  Annee = as.factor(c("2017","2017","2017","2017","2017","2022","2022","2022","2022","2022","2022")),
  Statut = as.factor(c("G","G","M","G","G","G","G","M","G","G","N"))
)

library(data.table)
library(dplyr)
#> 
#> Attaching package: 'dplyr'
#> The following objects are masked from 'package:data.table':
#> 
#>     between, first, last
#> The following objects are masked from 'package:stats':
#> 
#>     filter, lag
#> The following objects are masked from 'package:base':
#> 
#>     intersect, setdiff, setequal, union
plot(bench::mark(
  "base" = {
    do.call("rbind", by(df, df[c("Placette", "Arbre", "Statut")], function(.df) {
      vec <- .df[order(.df[["Annee"]]), "Diametre"]
      .df[["Acc"]] <- vec - stats::lag(vec)
      .df
    }))
  },
  "dplyr" = {
    df %>%
      dplyr::group_by(Placette, Arbre, Statut) %>%
      dplyr::arrange(Annee) %>%
      dplyr::mutate(Acc = Diametre - dplyr::lag(Diametre)) %>%
      dplyr::ungroup()
  },
  "data.table" = {
    data.table::as.data.table(df)[
      order(Annee),
      Acc := Diametre - data.table::shift(Diametre),
      by = c("Placette", "Arbre", "Statut")
    ]
  },
  check = FALSE
))
#> Loading required namespace: tidyr 

[Sylvain Gaudin]

Bonjour,

Une solution (ne groupe pas par année et utilise dplyr::lag) :

Code : Tout sélectionner

df %>%
  group_by(Placette, Arbre, Statut) %>%
  arrange(Annee) %>%
  mutate(Acc = Diametre - lag(Diametre)) %>%
  ungroup()

Merci beaucoup pour cette réponse. Je ne connaissais pas la fonction dplyr::lag qui s'avère très efficace et l'aide "copier avec des valeurs décalées à droite" m'apparaissait peu explicite dans ce cas.
Il me reste un petit soucis. La sortie de R donne :

Code : Tout sélectionner

# A tibble: 11 × 6
   Placette Arbre Diametre Annee Statut   Acc
   <fct>    <fct>    <dbl> <fct> <fct>  <dbl>
 1 1        1           51 2017  G         NA
 2 1        2           27 2017  G         NA
 3 1        3           38 2017  M         NA
 4 2        1           75 2017  G         NA
 5 2        2           55 2017  G         NA
 6 1        1           54 2022  G          3
 7 1        2           24 2022  G         -3
 8 1        3           NA 2022  M         NA
 9 2        1           77 2022  G          2
10 2        2           58 2022  G          3
11 2        3           37 2022  N         NA


Je souhaite récupérer la dernière colonne Acc dans mon dataframe initial (df) et je n'y arrive pas. La commande suivante ne fonctionne pas.

Code : Tout sélectionner

df$Acc <- Acc
Erreur : objet 'Acc' introuvable

[Sylvain Gaudin]

Bonjour,

j'ajoute l'approche base et data.table (même résultat à l'ordre des lignes près).

Merci beaucoup Mickael. Je prendrai le temps de tester ces différentes approches. Je dois refaire de calculs d'accroissement sur plusieurs tableaux de données dans les semaines qui viennent.

[Pierre-Yves Berrard]

Je souhaite récupérer la dernière colonne Acc dans mon dataframe initial (df) et je n'y arrive pas. La commande suivante ne fonctionne pas.

Code : Tout sélectionner

df$Acc <- Acc
Erreur : objet 'Acc' introuvable

Il serait dangereux ici d'insérer de la sorte un vecteur dans la table initiale car l'ordre des lignes a potentiellement été changé (par arrrange).

Une solution plus simple et plus sûre est d'affecter le résultat :

Code : Tout sélectionner


df <-
  df %>%
  group_by(Placette, Arbre, Statut) %>%
  arrange(Annee) %>%
  mutate(Acc = Diametre - lag(Diametre)) %>%
  ungroup()

[Sylvain Gaudin]

Merci beaucoup, je me compliquais effectivement la vie inutilement.

[Logez Maxime]

Bonjour,

avec les fonctions de base pour être sur de conserver le même ordre qu'au départ tu peux utiliser la fonction ave :

Code : Tout sélectionner

df$acc <- ave(df$Diametre, do.call(interaction, df[c(1,2,5)]), FUN = function(x)  x - lag(x))

Cordialement,
Maxime