我正在使用包含数千行的贸易数据集 . 每条记录都有一个基于符号和日期的唯一键 . 给定符号的交易记录是不规则的,因此使用动物园将是自然的选择 . 我需要使用lag和merge来创建一个新的数据集 . 但是,我不知道如何在动物园中设置多列索引以便使用滞后函数 . 下面是一个示例数据集和预期输出 .
df = data.frame(
dt = as.Date(c("2015-01-01", "2015-01-05", "2015-01-06",
"2015-01-01", "2015-01-02")),
id = c("i1", "i1", "i1", "i2", "i2"),
v1 = c(110, 115, 119, 212, 213),
v2 = c(100, 170, 180, 202, 210),
v3 = c(11, 13, 16, 22, 24)
)
df$id = as.character(df$id)
输出应该是
2015-01-01, i1, 110, 100, 11, 2015-01-05, i1, 115, 170, 13
2015-01-05, i1, 115, 170, 13, 2015-01-06, i1, 119, 180, 16
2015-01-06, i1, 119, 180, 16, NA, NA, NA, NA, NA
2015-01-01, i2, 212, 202, 22, 2015-01-02, i2, 213, 210, 24
2015-01-02, i2, 213, 210, 24, NA, NA, NA, NA, NA
请注意,无论列数如何,我都需要合并完整的行 . 以下是一种可能的方法来解决基于动物园的“分组”滞后操作,动物园将合并完整的行 .
doProcessing = function(df){
icolnames = colnames(df)
tt = zoo(df, df$dt)
tt1 = merge(tt, lag(tt, 1))
colnames(tt1) = c(icolnames, paste0("lag_", icolnames))
data.frame(tt1, stringsAsFactors=F)
}
fin_df = do.call(rbind, with(df, by(df, list(id), doProcessing, simplify=F)))
该最终输出帧将每个字段作为因子,其与原始数据帧不同 .
> str(df)
'data.frame': 5 obs. of 5 variables:
$ dt: Date, format: "2015-01-05" "2015-01-01" ...
$ id: chr "i1" "i1" "i1" "i2" ...
$ v1: num 115 110 119 212 213
$ v2: num 170 100 180 202 210
$ v3: num 13 11 16 22 24
结果数据框看起来像
> str(fin_df)
'data.frame': 5 obs. of 10 variables:
$ dt : Factor w/ 4 levels "2015-01-01","2015-01-05",..: 1 2 3 1 4
$ id : Factor w/ 2 levels "i1","i2": 1 1 1 2 2
$ v1 : Factor w/ 5 levels "110","115","119",..: 1 2 3 4 5
$ v2 : Factor w/ 5 levels "100","170","180",..: 1 2 3 4 5
$ v3 : Factor w/ 5 levels "11","13","16",..: 1 2 3 4 5
$ lag_dt: Factor w/ 3 levels "2015-01-05","2015-01-06",..: 1 2 NA 3 NA
$ lag_id: Factor w/ 2 levels "i1","i2": 1 1 NA 2 NA
$ lag_v1: Factor w/ 3 levels "115","119","213": 1 2 NA 3 NA
$ lag_v2: Factor w/ 3 levels "170","180","210": 1 2 NA 3 NA
$ lag_v3: Factor w/ 3 levels "13","16","24": 1 2 NA 3 NA
我做错了什么?如何根据原始数据框获得正确的结构?
我按照这个链接问了这个问题multipart index in zoo timeseries但是我把这个线程弄糟了,因此没有收到任何回复 . 需要以正确的方式解决这个问题,因为手动修复不是优雅而不是做事的方式 .
1 回答
您在组的索引中有重叠 . 为了避免很多错过,解决方案是使用包含每个id的列表作为它自己的时间序列(
zoo
对象):然后你可以轻松地做
grouped lag
,因为你在谈论:当然,如果你想拥有
data.frame
结构,那么你可以bind
这些组,但我们需要先将它们转换成因为索引重叠:EDIT: 如果您根本不需要时间序列,但只有最终输出为
data.frame
,那么受我的建议的启发,您可以做一些事情:这也将保留原始
data.frame
中的正确类别等 .EDIT* 更简单的
dplyr
解决方案: