使用库存退货卸载大型数据集

Question

我有一个很长的CRSP data.frame，我正试图将它拆分为宽格式。

数据框包含kypermno（股票标识符），caldat（日期yyyy-mm-dd），prc（价格），adjprc（调整后价格）和ret（返回）。数据框按库存（kypermno）和按日期（caldat）排序，因此每行代表给定日期的一个库存。

我想要的格式是：每个kypermno作为列（名称），每天（日期）作为行（名称），并返回相应的字段（删除prc和adjprc）。

我试过了：D_ret <- as.data.frame(unstack(hilfs_ret, ret ~ kypermno))

问题是并非所有股票都在所有日子都有回报，因此我收到一条错误消息：

“错误（函数（...，row.names = NULL，check.rows = FALSE，check.names = TRUE，：   Argumente implizieren unterschiedliche Anzahl Zeilen“ （英文：参数意味着行数不同）

如果股票没有回报或者在该日期甚至不存在，则应该填写“NA”。

当我跳过“as.data.frame”函数时，不会出现此错误消息，但我想要一个data.frame而不是列表。

使用for循环和if语句的解决方案不可行，因为数据集非常大（4800万个条目）。

无论如何要解决这个问题？也许有重塑功能？

非常感谢你的帮助，祝你有个美好的一天！

亲切的问候

kb的

Answer 1

您可以使用tidyverse包集合中的函数。假设您的数据框称为“long_df”。然后，此代码应将其转换为名为“wide_df。”的数据框。

library(tidyverse)
wide_df <- tidyr::spread(long_df %>% select(-prc, -adjprc), 
                         key= kypermno,
                         value = ret)