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
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。