Question

假设我有两个数据框“值”和“权重”，我想按类别（A，B，C）计算加权中位数（第1年，第2年）：

values <- data.frame(TICKER=c("A","A","B","B","B","C","C","C","C"), year1=c(1,2,3,4,5,6,7,8,9), year2=c(9,8,7,6,5,4,3,2,1))
weights <- data.frame(TICKER=c("A","A","B","B","B","C","C","C","C"), year1=c(0.3,0.7,0.25,0.25,0.5,0.1,0.1,0.6,0.2), year2=c(0.6,0.4,0.3,0.5,0.2,0.4,0.2,0.1,0.3))

为此我想使用ddply和weightedMedian函数（包matrixStats）。

output <- ddply(values, .(TICKER), colwise(weightedMedian(values, weights), na.rm=TRUE))

但是，我收到错误消息：

"(list) object cannot be coerced to type 'double'"

有人知道如何调整代码以获得有效的解决方案吗？

我尝试将数据帧转换为矩阵（通过as.matrix），因为weightedMedian需要矩阵作为输入。但是，这没有用。到目前为止我找到的唯一解决方案是使用子集进行循环（但是，这非常慢且不太优雅）

output <- matrix(data=0, nrow=3, ncol=2)
for (i in 2:ncol(values)){
 for (j in 1:length(unique(values$TICKER))){
  values.j <- subset(values, values$TICKER == as.character(unique(values$TICKER)[j]))
  weights.j <-  subset(weights, weights$TICKER == as.character(unique(values$TICKER)[j]))
  output[j,(i-1)] <- weightedMedian(values.j[,i], weights.j[,i], na.rm=TRUE)
}}

任何帮助将不胜感激。非常感谢。

Answer 1

除了OP提到的weightedMedian功能外，Hmisc包还提供了更为通用的wtd.quantile功能。

我将data.frames拆分为列表，并将这些函数应用于具有嵌套sapply s的年份变量。比较下面的结果，似乎weightedMedian产生了所需的结果。

要准备数据，请将值和权重沿其TICKER分成列表。

# split values and weights into lists by category
valuesList <- split(values, values$TICKER)
weightsList <- split(weights, values$TICKER)

如果我在上面的代码中使用OP问题中的weightedMedian，我会得到以下内容：

library(matrixStats)
sapply(names(valuesList),
  function(i) sapply(names(valuesList[[i]])[-1],
                function(j) weightedMedian(valuesList[[i]][[j]],
                                           w=weightsList[[i]][[j]])))

        A        B C
year1 1.7 4.333333 8
year2 8.6 6.125000 3

另一个包Hmisc具有加权分位数函数wtd.quantile。

# load Hmisc package
library(Hmisc)

sapply(names(valuesList),
   function(i) sapply(names(valuesList[[i]])[-1],
                   function(j) {
                     wtd.quantile(valuesList[[i]][[j]],
                                  weights=weightsList[[i]][[j]], probs=0.5)}))

返回

myMedians 
          A B C
year1.50% 2 5 9
year2.50% 9 7 4

从检查开始，matrixStats的结果似乎更合理。例如，TICKER == C，year == 2不应该是4。

Answer 2

如果您希望保留在plyr / weightedStats上下文中，我首先将两个data.frames合并，然后使用您的值的已知列索引与ldply一起运行ddply变量：

df <- data.frame(values,wt=weights)

output <- lapply(names(values)[-1], 
   function(i) ddply(df,.(TICKER), 
     function(x) setNames(weightedMedian(x=x[,i],w=x[,match(i,names(x))+ncol(x)/2]),i)))

然后，您可以执行以下操作将结果转换为单个data.frame

do.call('join',output)

给你

  TICKER    year1 year2
1      A 1.700000 8.600
2      B 4.333333 6.125
3      C 8.000000 3.000

顺便说一句，您的错误消息的原因是您只是“切片”。您在values调用整个weights data.frame时的weightedMedian数据框。

按类别逐项计算weightedMedian（matrixStats）

2 个答案: