首页 文章

如何在R中删除具有相同列 Headers /名称的相同数据帧中的两列，并且缺少数据

提问于
浏览 次
1

我有一个包含8000列和3785行的数据帧 . 列是公司名称，因此，我想通过从投标价格中减去其要价，即公司/股票的价差= A.ASK- A.BID来计算公司的价差 . 在列名中A.ASK表示A是公司名称，而.ASK表示它是公司的ASK价格，其中.BID是A的BID价格 . 在我的数据框架中，公司的所有询问和出价都是并排列，如下面的示例数据框所示 . 此外，我缺少数据，例如，如果公司C在2001年开始交易，它将在2000年获得NA . 所以，我想要的不是忽略计算的日期列，另外还有NA的公司要求和出价的返回结果列中的NA

Date        A . ASK A .BID  C. ASK  C. BID
31/12/1999  NA      NA      NA      NA
03/01/2000  NA      NA      NA      NA
04/01/2000  82      77      NA      NA 
05/01/2000  82      77      NA      NA
06/01/2000  82      77      NA      NA
07/01/2000  82      77      NA      NA
10/01/2000  82      77      NA      NA
11/01/2000  82      77      NA      NA
12/01/2000  NA      NA      NA      NA
13/01/2000  NA      NA      NA      NA
14/01/2000  NA      NA      70      67
17/01/2000  NA      NA      70      67
18/01/2000  97      94      70      67
19/01/2000  97      92      70      67

DF2 <-df1

Date        A   C
31/12/1999  NA  NA
03/01/2000  NA  NA
04/01/2000  5   NA
05/01/2000  5   NA
06/01/2000  5   NA
07/01/2000  5   NA
10/01/2000  5   NA
11/01/2000  5   NA
12/01/2000  NA  NA
13/01/2000  NA  NA
14/01/2000  NA  3
17/01/2000  NA  3
18/01/2000  3   3
19/01/2000  5   3

非常感谢您的帮助

r dataframe multiple-columns subtraction

1 回答

  • 2

    具有格式良好的数据，在每个公司的询价和出价之间交替，这使得这相对简单 . 以下代码应该可以满足您的需求 .

    # Import data
df <- read.table(text = 
                 "Date       A.ASK   A.BID   C.ASK   C.BID
                 31/12/1999  NA      NA      NA      NA
                 03/01/2000  NA      NA      NA      NA
                 04/01/2000  82      77      NA      NA 
                 05/01/2000  82      77      NA      NA
                 06/01/2000  82      77      NA      NA
                 07/01/2000  82      77      NA      NA
                 10/01/2000  82      77      NA      NA
                 11/01/2000  82      77      NA      NA
                 12/01/2000  NA      NA      NA      NA
                 13/01/2000  NA      NA      NA      NA
                 14/01/2000  NA      NA      70      67
                 17/01/2000  NA      NA      70      67
                 18/01/2000  97      94      70      67
                 19/01/2000  97      92      70      67",
                 header = TRUE
)

# Define a sequence which selects every second column
# ask_cols starts at column 2
# bid_cols starts at column 3
ask_cols <- (1:((ncol(df)-1)/2))*2
bid_cols <- (1:((ncol(df)-1)/2))*2+1

# Use ask_cols and bid_cols to select columns from df and calculate
df2 <- df[, ask_cols]-df[, bid_cols]

# Add the date column to df2
df2 <- cbind(df[, 1], df2)

# We will use stringr for extracting company names to define column names
library(stringr)

colnames(df2) <- c("Date", str_extract(colnames(df[, ask_cols]), "([A-Za-z]+)"))

    给予

    > df2
         Date  A  C
1  31/12/1999 NA NA
2  03/01/2000 NA NA
3  04/01/2000  5 NA
4  05/01/2000  5 NA
5  06/01/2000  5 NA
6  07/01/2000  5 NA
7  10/01/2000  5 NA
8  11/01/2000  5 NA
9  12/01/2000 NA NA
10 13/01/2000 NA NA
11 14/01/2000 NA  3
12 17/01/2000 NA  3
13 18/01/2000  3  3
14 19/01/2000  5  3

    编辑：定义ask_cols和bid_cols的更好方法是使用 seq 函数

    ask_cols <- seq(2, ncol(df), 2)
bid_cols <- seq(3, ncol(df), 2)

    编辑2：匹配公司名称的更好的正则表达式是使用前瞻匹配任何后跟.ASK的字符系列 .

    colnames(df2) <- c("Date", str_extract(colnames(df[, ask_cols]), ".*(?=\\.ASK)"))
    回复于

相关问题