动物园时间序列中的多部分索引

时间:2015-06-15 12:25:22

标签: r zoo

我正在使用包含数千行的交易数据集。每条记录都有一个基于符号和日期的唯一键。给定符号的交易记录是不规则的,因此使用动物园将是自然的选择。我需要使用lag和merge来创建一个新的数据集。但是,我不知道如何在动物园中设置多列索引以便使用滞后函数。下面是一个示例数据集和预期输出。

df = data.frame(
    dt = as.Date(c("2015-01-01", "2015-01-05", "2015-01-06",
                   "2015-01-01", "2015-01-02")),
    id = c("i1", "i1", "i1", "i2", "i2"),
    v1 = c(110, 115, 119, 212, 213),
    v2 = c(100, 170, 180, 202, 210),
    v3 = c(11, 13, 16, 22, 24)
)
df$id = as.character(df$id)

输出应为

2015-01-01, i1, 110, 100, 11, 2015-01-05, i1, 115, 170, 13 
2015-01-05, i1, 115, 170, 13, 2015-01-06, i1, 119, 180, 16 
2015-01-06, i1, 119, 180, 16, NA, NA, NA, NA, NA
2015-01-01, i2, 212, 202, 22, 2015-01-02, i2, 213, 210, 24 
2015-01-02, i2, 213, 210, 24, NA, NA, NA, NA, NA

在SO中,有许多帖子完成了“分组”滞后操作,但仅限于一列。我正在寻找合并完整的行,无论列数如何。

更新此问题......

以下是解决基于动物园的“分组”滞后操作的一种可能方法。

doProcessing = function(df){
  icolnames = colnames(df)
  tt = zoo(df, df$dt)
  tt1 = merge(tt, lag(tt, 1))
  colnames(tt1) = c(icolnames, paste0("lag_", icolnames))
  data.frame(tt1, stringsAsFactors=F)
}
fin_df = do.call(rbind, with(df, by(df, list(id), doProcessing, simplify=F)))

此最终输出帧将每个字段都作为因子。如何根据输入数据框获得正确的输出结构?

基于@Grothendieck关于lapply的想法,下面给出了解决上述问题的可能方法。

doProcessing = function(df){
  icolnames = colnames(df)
  tt = zoo(df, df$dt)
  tt1 = merge(tt, lag(tt, 1))
  colnames(tt1) = c(icolnames, paste0("lag_", icolnames))
  data.frame(tt1, stringsAsFactors=F)
}

fin_df = do.call(rbind, with(df, by(df, list(id), doProcessing, simplify=F)))

仍然需要一些帮助,一些结果数据框如何将每列作为因素。我如何获得原始结构?

原始数据框架结构

> str(df)
'data.frame':   5 obs. of  5 variables:
 $ dt: Date, format: "2015-01-05" "2015-01-01" ...
 $ id: chr  "i1" "i1" "i1" "i2" ...
 $ v1: num  115 110 119 212 213
 $ v2: num  170 100 180 202 210
 $ v3: num  13 11 16 22 24

结果数据框看起来像

> str(fin_df)
'data.frame':   5 obs. of  10 variables:
 $ dt    : Factor w/ 4 levels "2015-01-01","2015-01-05",..: 1 2 3 1 4
 $ id    : Factor w/ 2 levels "i1","i2": 1 1 1 2 2
 $ v1    : Factor w/ 5 levels "110","115","119",..: 1 2 3 4 5
 $ v2    : Factor w/ 5 levels "100","170","180",..: 1 2 3 4 5
 $ v3    : Factor w/ 5 levels "11","13","16",..: 1 2 3 4 5
 $ lag_dt: Factor w/ 3 levels "2015-01-05","2015-01-06",..: 1 2 NA 3 NA
 $ lag_id: Factor w/ 2 levels "i1","i2": 1 1 NA 2 NA
 $ lag_v1: Factor w/ 3 levels "115","119","213": 1 2 NA 3 NA
 $ lag_v2: Factor w/ 3 levels "170","180","210": 1 2 NA 3 NA
 $ lag_v3: Factor w/ 3 levels "13","16","24": 1 2 NA 3 NA

1 个答案:

答案 0 :(得分:3)

动物园动物园对象是时间序列,所以通常这样做的方式是结果是时间序列是使用宽格式:

autoclose:false

,并提供:

read.zoo(df, split = 2) # zoo object created by splitting on column 2

列表或简单地将数据框拆分为动物园对象列表

           v1.i1 v2.i1 v3.i1 v1.i2 v2.i2 v3.i2
2015-01-01   110   100    11   212   202    22
2015-01-02    NA    NA    NA   213   210    24
2015-01-05   115   170    13    NA    NA    NA
2015-01-06   119   180    16    NA    NA    NA

,并提供:

L <- lapply(split(df[-2], df$id), read.zoo)

融化使用reshape2包我们可以创建长格式:

> L
$i1
            v1  v2 v3
2015-01-01 110 100 11
2015-01-05 115 170 13
2015-01-06 119 180 16

$i2
            v1  v2 v3
2015-01-01 212 202 22
2015-01-02 213 210 24

,并提供:

m <- melt(df, id = 1:2)

在这种形式下,很容易获得各种切片。例如,

> m
           dt id variable value
1  2015-01-01 i1       v1   110
2  2015-01-05 i1       v1   115
3  2015-01-06 i1       v1   119
4  2015-01-01 i2       v1   212
5  2015-01-02 i2       v1   213
6  2015-01-01 i1       v2   100
7  2015-01-05 i1       v2   170
8  2015-01-06 i1       v2   180
9  2015-01-01 i2       v2   202
10 2015-01-02 i2       v2   210
11 2015-01-01 i1       v3    11
12 2015-01-05 i1       v3    13
13 2015-01-06 i1       v3    16
14 2015-01-01 i2       v3    22
15 2015-01-02 i2       v3    24

3d数组另一种可能性是将其表示为三维数组。 > subset(m, dt == "2015-01-01") dt id variable value 1 2015-01-01 i1 v1 110 4 2015-01-01 i2 v1 212 6 2015-01-01 i1 v2 100 9 2015-01-01 i2 v2 202 11 2015-01-01 i1 v3 11 14 2015-01-01 i2 v3 22 来自上面的m解决方案。我们可以置换第二个参数的组件以获得变化:

melt

很容易获得各种切片:a <- acast(m, ... ~ id ~ dt) giving: , , 2015-01-01 i1 i2 v1 110 212 v2 100 202 v3 11 22 , , 2015-01-02 i1 i2 v1 NA 213 v2 NA 210 v3 NA 24 , , 2015-01-05 i1 i2 v1 115 NA v2 170 NA v3 13 NA , , 2015-01-06 i1 i2 v1 119 NA v2 180 NA v3 16 NA a[1,,]a[,1,]

更新已添加到解决方案中并重新安排并改进了一些解决方案。