Question

我正在处理一些电力数据，该数据具有每小时，一天和一天的资产，该函数具有逐步功能，该功能指定了资产价格不断上涨的电力供应。我想做的是使用日期，时间，资产和特定于行的步进函数将这些数据折叠成数据框，小标题等。然后，稍后我将使用该步进函数填充其他一些列。

这是我想要做的一个可快速复制的示例。

library(dplyr)
df_test<-data.frame(rep(1:25, times=1, each=4))
names(df_test)[1]<-"asset"
df_test$block<-rep(1:4, times=25)
df_test$from<-rep(seq(0,150,50), times=25)
df_test$to<-df_test$from+50
df_test$index<-runif(100)*100

df_test<-df_test %>% group_by(asset) %>% mutate(price=cumsum(index))

这基本上是我每天每个小时都会得到的示例，但在我的情况下，区块的数量不同（一些公司出价单个区块，其他公司出价高达7个区块，但这很可能对这里的问题并不重要）。

现在，我要做的是，对于每种资产，使用从，到和定价块，然后按资产将其存储在数据框中（同样，在我的扩展情况下，将按日期，小时和资产）。

例如，使用第一组我可以做到

generate_func<-function(x,y){
  stepfun(x, y, f = as.numeric(0), ties = "ordered",right = FALSE)
}

eg_func<-generate_func(df_test$from[2:4],df_test$price[1:4])

eg_func函数使我可以找到资产1的任意值x的隐含价格。

eg_func(500)
[1] 43.10305

我想做的是按资产对数据进行分组，然后将每个资产的eg_func版本存储在数据框或等效项的第二列中。

基本上，我想做的是这样的：

df_sum<-df_test %>% group_by(asset) %>% summarize(
  step_func=generate_func(from[-1],price)
)

但是我得到了

Error: Column `step_func` is of unsupported type function

更新：

@akrun让我走了一步。因此，如果将函数包装在列表中，则可以执行我想做的事情……至少第一步：

df_func<-df_test %>%
  group_by(asset) %>% 
  summarize(step_func=list(generate_func(from[-1],price)))

因此，现在我为每个资产都有一个带有步进功能的数据框。现在，我的下一个任务是能够评估该功能，以创建一个新列，以特定值评估步骤功能。因此，例如，我可以将第一个资产的出价评估为50：

df_func[1,2][[1]][[1]](50)
[1] 49.60776

我希望能够在mutate命令中执行此操作，因此类似于：

df_func <-df_func %>% mutate(bid_50=step_func[[2]](50))

但这将第二步功能应用于每个人。如何用评估为50的每个资产的阶跃函数填充bid_50列？

使用解决方案再次更新＃2 @akrun：

df_func <-df_func %>% mutate(bid_50=map_dbl(step_func, ~ .x(50)))

Answer 1

最好将其包装在list中，因为eg_func是一个函数，然后使用list提取map元素，将该函数应用于传递给create的参数上新列“ bid_50”

library(tidyverse)
df_test %>%
  group_by(asset) %>% 
  summarize(step_func=list(generate_func(from[-1],price))) %>%
  mutate(bid_50 = map_dbl(step_func, ~ .x(50)))

使用摘要（或等效方法？）在R数据框中创建一列函数

1 个答案: