Question

我正在尝试建立R中分期偿还贷款的视图。我拥有所有组件变量和输入，但是当从中减去上一期分期付款的值时，我无法成功使用SQL的LAG（）函数的等效值来减少未清额。

amount_borrowed <- 900
term <- 9
instalments <- 100 
start_date <- as.Date('2019-03-01') 
end_date <- (start_date + months(term))
date <- data.frame(seq(start_date, end_date, by="months"))

所需的输出：

|--------|------------|---------|
| date   | instalment | balance |                                               
|--------|------------|---------|
| Mar-19 |     100    |   900   |                                     
| Apr-19 |     100    |   800   | 
| May-19 |     100    |   700   | 
| Jun-19 |     100    |   600   |

等等等

我已经尝试了多种方法来实现上述目标，包括创建UDF并使用SQLDF（如下所示），然后在其中使用迭代减法，但这确实很笨拙，我很想不必诉诸SQLDF就像我经常这样做。

SELECT 
 date,
 instament,
 balance,
 LAG(balance,1) OVER (
 PARTITION BY date
 ORDER BY date 
 ) next_balance 
FROM 
mydataframe

任何帮助表示赞赏

编辑

谢谢大家的帮助和指导。我增加了新的复杂性，这稍微改变了方法，因此也改变了要求。我将在下面显示我的方法。

从本质上讲，我需要将利息和资本付款合并到计算中。我们将未结余额的2.2％称为利息，并说资本的计算是利息-分期付款。

以下是输入内容：

# inputs
start_date <- as.Date("2019-03-01")
amount <- 250000
instalment <- 750 
interest_rate1 <- 0.0220  
term <- 35
end_date <- (start_date + years(term))

因此，在贷款开始时，情况如下：

df_one <- data.frame(start_date, instalment = NA , balance = amount, interest = NA, capital = NA)

然后我得出了整个贷款的日期，如下所示：

all_term_dates <- data.frame(seq(start_date, end_date, by="months"))
    colnames(all_term_dates)[1] <- "start_date"

然后我删除第一行，因为我已经有了想要的格式，现在只需要重新开始的点即可。

all_dates_start <- data.frame(all_term_dates$start_date[-1])
colnames(all_dates_start)[1] <- "start_date"

然后我将占位符变量放入数据框中以供以后填充

all_dates_start$instalment <- NA
all_dates_start$balance <- NA 
all_dates_start$interest <- NA
all_dates_start$capital <- NA

然后我将第一个数据框与日期和占位符合并

df_two <- rbind(df_one, all_dates_start)

..添加以下计算之前

df_two[["interest"]] <-interest_rate1 * lag(df_two$balance)/12
df_two[["capital"]] <- instalment - df_two$interest
df_two[["balance"]] <- lag(df_two$balance) - df_two$capital
df_two[["instalment"]] <- instalment

我的问题如下；

1）我该如何优雅且递归地执行该操作，以使利率继续是利率和以前的余额的函数？

再次感谢您的帮助。仍然对R缺乏经验并希望发展。不怕努力和失败。

Answer 1

dplyr软件包实际上具有一个lag()函数：

df$next_balance <- lag(df$balance)

Answer 2

我想你可以尝试

data.frame(date, instalments,balance = amount_borrowed - instalments * seq(0, term))

#         date instalments balance
#1  2019-03-01         100     900
#2  2019-04-01         100     800
#3  2019-05-01         100     700
#4  2019-06-01         100     600
#5  2019-07-01         100     500
#6  2019-08-01         100     400
#7  2019-09-01         100     300
#8  2019-10-01         100     200
#9  2019-11-01         100     100
#10 2019-12-01         100       0

数据

amount_borrowed <- 900
term <- 9
instalments <- 100 
start_date <- as.Date('2019-03-01') 
end_date <- (start_date + months(term))
date <- seq(start_date, end_date, by="months")

Answer 3

我相信您希望上个月的余额与您的SQL解决方案匹配。如果您需要进行任何计算，我还提供了上个月的分期付款。

library(tidyverse)

df <- tibble(
  date = c("2019-03-01", "2019-04-01", "2019-05-01", "2019-06-01"),
  installment = c(100, 100, 100, 100),
  balance = c(900, 800, 700, 600)
)

df <- df %>%
  arrange(date) %>% # in case the months were already not ordered
  mutate(
    date = format(as.Date(date), "%b-%y"), # change format of date
    previous_month_installment = lag(installment),
    previous_month_balance = lag(balance)
  )
head(df)
#> # A tibble: 4 x 5
#>   date   installment balance previous_month_installme… previous_month_bala…
#>   <chr>        <dbl>   <dbl>                     <dbl>                <dbl>
#> 1 Mar-19         100     900                        NA                   NA
#> 2 Apr-19         100     800                       100                  900
#> 3 May-19         100     700                       100                  800
#> 4 Jun-19         100     600                       100                  700

^{由reprex package（v0.3.0）于2019-09-15创建}

Answer 4

滞后变量

似乎有一个关于要问什么的问题，但是如果问题是如何滞后一个变量，那么一种简单的方法是在lag类变量上使用ts，其中-1表示向前滞后（如果要向后滞后，则忽略-1）。不使用任何软件包。

balance <- ts(seq(900, 0, -100), start = c(2019, 3), freq = 12)
lag(balance, -1)

注意如果要使用软件包，一个陷阱是某些软件包（xts，dplyr）定义了一个lag函数，该函数相对于R所设置的标准是反向的。至少对于xts它仅适用于xts对象，因此，如果您不在xts对象上使用lag，但dplyr不仅以相反的方式定义了它，而且可以覆盖lag泛型，因此它不会造成伤害在其他软件包中使用。因此，如果您从基础R或其他软件包中使用lag，请确保未加载dplyr。

生成的表列为所需的输出

如果问题是如何生成列为所需输出的表，则不需要lag。通过明智地使用seq，diff和cumsum，我们可以在此处完全避免使用lag。我们讨论了两组替代假设。

1）（以问题为分期付款），如果我们先计算balance，则不需要lag，也不需要问题中显示的日期预计算，因为我们可以得出长度。不使用任何软件包。

# inputs
start_date <- as.Date("2019-03-01")
amount <- 900
installment <- 100

balance = seq(amount, 0, -installment)
data.frame(date = seq(start_date, by = "month", length = length(balance)),
           installment = c(-diff(balance), 0), 
           balance)

2）：如果分期付款是矢量，并且总和为初始余额，则：

# inputs
start_date <- as.Date("2019-03-01")
installments <- rep(100, 9)

data.frame(date = seq(start_date, by = "month", length = length(installments) + 1),
           installment = c(installments, 0),
           balance = sum(installments) - cumsum(c(0, installments)))

R滞后函数在摊销计算中的使用

4 个答案:

滞后变量

生成的表列为所需的输出