我有大量财务数据，包含数百列。我已根据日期清理和排序数据。这是一个简化的例子：
df1 <- data.frame(matrix(vector(),ncol=5, nrow = 4))
colnames(df1) <- c("Date","0.4","0.3","0.2","0.1")
df1[1,] <- c("2000-01-31","0","0","0.05","0.07")
df1[2,] <- c("2000-02-29","0","0.13","0.17","0.09")
df1[3,] <- c("2000-03-31","0.03","0.09","0.21","0.01")
df1[4,] <- c("2004-04-30","0.05","0.03","0.19","0.03")
df1
Date 0.4 0.3 0.2 0.1
1 2000-01-31 0 0 0.05 0.07
2 2000-02-29 0 0.13 0.17 0.09
3 2000-03-31 0.03 0.09 0.21 0.01
4 2000-04-30 0.05 0.03 0.19 0.03
我将单个权重（基于原始数据的市场价值）指定为列标题，因为我不关心公司名称，我需要权重来计算结果。
我的最终目标是获得：1。加权回报的总和;和2.返回非零时的权重总和。话虽如此，下面是我想得到的结果：
Date SWeightedR SWeights
1 2000-01-31 0.017 0.3
2 2000-02-29 0.082 0.6
3 2000-03-31 0.082 1
4 2000-04-30 0.07 1
例如，SWeightedR for 2000-01-31 = 0.4x0 + 0.3x0 + 0.2x0.05 + 0.1x0.07，SWeights = 0.2 + 0.1。
我最初的想法是将权重分配给每个列，例如WCol2 <- 0.4，然后使用cbind创建新列，并使用c(as.matrix() %*% )来获取总和。很快我意识到这是不可能的，因为有数百列。任何建议或意见都表示赞赏！
答案 0 :(得分：2)
这是一个使用矩阵乘法的简单解决方案（正如您自己建议的那样）。
首先，您的数据似乎属于df1[-1] <- lapply(df1[-1], type.convert)
类型，我不确定它是真实数据的真实情况，但我会先将其转换为合适的类型
vec <- as.numeric(names(df1)[-1])
接下来，我们将列名转换为数字类
df1["SWeightedR"] <- as.matrix(df1[, -1]) %*% vec
df1["SWeights"] <- (df1[, -c(1, ncol(df1))] > 0) %*% vec
df1
# Date 0.4 0.3 0.2 0.1 SWeightedR SWeights
# 1 2000-01-31 0.00 0.00 0.05 0.07 0.017 0.3
# 2 2000-02-29 0.00 0.13 0.17 0.09 0.082 0.6
# 3 2000-03-31 0.03 0.09 0.21 0.01 0.082 1.0
# 4 2004-04-30 0.05 0.03 0.19 0.03 0.070 1.0
最后，我们可以通过两个简单的步骤轻松创建新列。这确实有一个矩阵转换开销，但也许你应该首先使用矩阵。无论哪种方式，这都是完全矢量化的
data.table或者，您可以先转换为长格式（此处为library(data.table)
res <- melt(setDT(df1), id = 1L, variable.factor = FALSE
)[, c("value", "variable") := .(as.numeric(value), as.numeric(variable))]
res[, .(SWeightedR = sum(variable * value),
SWeights = sum(variable * (value > 0))), by = Date]
# Date SWeightedR SWeights
# 1: 2000-01-31 0.017 0.3
# 2: 2000-02-29 0.082 0.6
# 3: 2000-03-31 0.082 1.0
# 4: 2004-04-30 0.070 1.0
示例），但我认为效率较低，因为这基本上是按行操作
{{1}}