[英]R - Extracting more than one row from a data frame based on an indicator in another column
我有一个关于基于指标从R中的data.frame中提取多个值的问题
我有一个看起来像这样的data.frame(df)
ROW COMPANY PRICE DATE EVENT
1 APPLE 1.50 Jan02 0
2 APPLE 1.70 Feb02 1
3 APPLE 1.65 Mar02 0
4 APPLE 1.20 Apr02 0
5 APPLE 1.30 May02 0
6 APPLE 1.14 Jun02 0
7 APPLE 1.10 Jul02 0
. . . . .
. . . . .
349.997 MICROSOFT 0.80 Sep16 0
349.998 MICROSOFT 0.65 Oct16 0
349.999 MICROSOFT 1.10 Nov16 1
350.000 MICROSOFT 0.90 Dez16 0
如您所见,我有一个很大的data.frame,其中包含各个公司的股票以及给定日期的股票价格。 另外我有一个事件列(仅0和1作为值)。 值1表示在给定的日期发生了特定事件(例如,股东大会)。 在350.000行中,我有2.500个事件(这意味着列事件有2.500个1和347.500个零)。
现在,我的目标是分析特定事件的股价(例如,分析事件发生前10个月和事件发生后15个月的股价)。 现在,我要如何进行以及当前处于何处。
首先,我必须根据我的公司拆分我的data.frame,因为如果我不在观察期(2002-2016年)内,我需要获取NA。 例如,如果苹果在nov16有一个事件,并且我需要在此之后2个月获得价格,我应该获得NA(因为它超出了我的观察期),但是在未拆分的data.frame中,我将获得价格Jan02的下一个伙伴。
list<-split(df, f=df$COMPANY)
现在我卡住的部分。 我需要为每个公司提取活动日之前的10个价格和活动日之后的15个价格
我尝试创建的输出看起来像(注意:“?” =这些值存在,但在上面的示例df中未显示)
Event 1 (Apple) Event 2500 (Microsoft)
-10 NA ... ?
-9 NA ... ?
. .
0 1.70 ... 1.10
. .
+15 ? ... NA
抱歉,在不进行详细介绍的情况下,很难正确地解释我的问题,但是我希望我能在一定程度上阐明这一点。
谢谢您的帮助 :)
尽管有点tidyr
,但可以使用dplyr
和tidyr
软件包来完成。 这是一个小得多的数据集的要点:
library(dplyr)
library(tidyr)
df <- readr::read_csv("COMPANY,PRICE,DATE,EVENT
APPLE,1.50,2002/01/01,0
APPLE,1.70,2002/02/01,1
APPLE,1.65,2002/03/01,0
APPLE,1.20,2002/04/01,0
MICROSOFT,2.50,2002/01/01,0
MICROSOFT,2.70,2002/02/01,0
MICROSOFT,2.65,2002/02/01,1
MICROSOFT,2.20,2002/03/01,0")
df
# A tibble: 8 x 4
COMPANY PRICE DATE EVENT
<chr> <dbl> <date> <int>
1 APPLE 1.50 2002-01-01 0
2 APPLE 1.70 2002-02-01 1
3 APPLE 1.65 2002-03-01 0
4 APPLE 1.20 2002-04-01 0
5 MICROSOFT 2.50 2002-01-01 0
6 MICROSOFT 2.70 2002-02-01 0
7 MICROSOFT 2.65 2002-02-01 1
8 MICROSOFT 2.20 2002-03-01 0
首先,我们需要构建一些滞后和领先。 如果您想要更多的活动前/活动日,则必须在此处添加更多列。
with_lags <- df %>%
group_by(COMPANY) %>%
mutate(
lag_01 = lag(PRICE, n = 1, order_by = DATE)
, lag_02 = lag(PRICE, n = 2, order_by = DATE)
, lag_00 = lag(PRICE, n = 0, order_by = DATE)
, lead_01 = lead(PRICE, n = 1, order_by = DATE)
, lead_02 = lead(PRICE, n = 2, order_by = DATE)
)
with_lags
# A tibble: 8 x 9
# Groups: COMPANY [2]
COMPANY PRICE DATE EVENT lag_01 lag_02 lag_00 lead_01 lead_02
<chr> <dbl> <date> <int> <dbl> <dbl> <dbl> <dbl> <dbl>
1 APPLE 1.50 2002-01-01 0 NA NA 1.50 1.70 1.65
2 APPLE 1.70 2002-02-01 1 1.50 NA 1.70 1.65 1.20
3 APPLE 1.65 2002-03-01 0 1.70 1.5 1.65 1.20 NA
4 APPLE 1.20 2002-04-01 0 1.65 1.7 1.20 NA NA
5 MICROSOFT 2.50 2002-01-01 0 NA NA 2.50 2.70 2.65
6 MICROSOFT 2.70 2002-02-01 0 2.50 NA 2.70 2.65 2.20
7 MICROSOFT 2.65 2002-02-01 1 2.70 2.5 2.65 2.20 NA
8 MICROSOFT 2.20 2002-03-01 0 2.65 2.7 2.20 NA NA
现在,我们只保留EVENT为1的行,然后将数据重新洗回到长格式。 请注意,您必须编辑调用gather()
函数的行,以反映您在上面构造的滞后/超前列的列表:
long_form <- with_lags %>%
filter(EVENT == 1) %>%
select(-PRICE, -EVENT, -DATE) %>%
gather(period, price, lag_01:lead_02) %>%
separate(period, c("lag_or_lead", "lag_order")) %>%
mutate(
lag_order = ifelse(lag_or_lead == "lag",
-1 * as.numeric(lag_order),
as.numeric(lag_order))
) %>%
select(-lag_or_lead) %>%
arrange(COMPANY, lag_order)
long_form
# A tibble: 10 x 3
# Groups: COMPANY [2]
COMPANY lag_order price
<chr> <dbl> <dbl>
1 APPLE -2 NA
2 APPLE -1 1.50
3 APPLE 0 1.70
4 APPLE 1 1.65
5 APPLE 2 1.20
6 MICROSOFT -2 2.50
7 MICROSOFT -1 2.70
8 MICROSOFT 0 2.65
9 MICROSOFT 1 2.20
10 MICROSOFT 2 NA
如果您需要广泛的格式,则可以使用tidyr
包中的spread()
将公司移到列中。
我可能会因为建议在基R中执行此操作而感到震惊(震撼),但是易于理解和编辑的IMHO代码通常是更简洁但较难理解的编程的首选。 我认为只有2500个事件,应该足够快了。 如果您可以将解决方案的速度与实际数据进行比较,那将很有趣?
set.seed(0)
SP <- data.frame(Company = c(rep_len("Apple", 50),
rep_len("Microsoft", 50)),
Price = round(runif(100, 1, 2), 2),
Date = rep(seq.Date(from = as.Date("2002-01-01"),
length.out = 50, by = "month"),
2),
Event = rbinom(100, 1, 0.05),
stringsAsFactors = FALSE)
Event <- which(SP$Event %in% 1)
resultFrame <- data.frame(Period = (-10):15)
for (i in Event){
Stock <- SP$Company[i]
eventTime <- format(SP$Date[i], "%b-%Y")
stockWin <- (i - 10):(i + 15)
stockWin[stockWin <= 0 | stockWin > nrow(SP)] <- NA
stockWin[!(SP$Company[stockWin] %in% Stock)] <- NA
priceWin <- SP[stockWin, "Price"]
eventName <- paste("Event", eventTime, Stock, sep=".")
resultFrame <- data.frame(resultFrame, priceWin)
names(resultFrame)[ncol(resultFrame)] <- eventName
}
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.