时间序列：为子集编写代码的最有效方法是什么？

Question

我有两个数据框

DF1

time x   y   state
...  ... ... CA
...  ... ... MA
...  ... ... TX
...  ... ... MA
...  ... ... CA
...  ... ... IL

DF2

time x   y   state
...  ... ... MA
...  ... ... NY
...  ... ... MA
...  ... ... TX
...  ... ... CA
...  ... ... CA

然后，我有了一些代码，在这些代码中，我可以汇总每月值，重命名列，将数据与另一个列表进行匹配，然后将df1和df2合并为大约50行代码中的一个。 到目前为止，我不考虑state 。

但是，我需要为几个美国州创建合并数据框的子集。 除了复制/粘贴用于df1和df2的代码并将df1和df2替换为df1_CA，df2_MA等之外，还有其他更优雅的方法吗？

环？ 面板数据？

Answer 1

一种选择是使用data.table包进行分组分析。

# transform your data.frame to data.table
dt1 <- as.data.table(df1)
dt2 <- as.data.table(df2)

# e.g. grouping values on state level
dt1[, sum(y), by=state]
# this will accumulate all y values by state

如果您不想在代码中替换df名称，则可以定义一个函数：

# define the function
accumulate <- function(df){
  dt <- as.data.table(df)
  return(dt[, sum(y), by=state])
}

# and call it 
accumulate(df1)
accumulate(df2)

而不是在所有data.frames上使用for循环或类似方法，可以使用一种有效遍历数据结构（例如列表）的apply函数之一

# alternatively define a list of data.frames and then iterate over the list
my.dfs <- list(df1,df2)
lapply(my.dfs, accumulate(df))