[英]How to sort by year and month in R (using as.yearmon from zoo package)
[英]Grouping a data frame in R by month and year using yearmon()
编辑:
我想到了!
df_CloseDelta$YearMonth <- as.yearmon(df_CloseDelta$date)
df_CloseDelta %>%
group_by(stock, YearMonth) %>%
summarize(minCloseDelta = min(closeDelta),
meanCloseDelta = mean(closeDelta),
maxCloseDelta = max(closeDelta)) -> df_summary_CloseDelta
我创建了以下数据框,显示日期、股票名称以及每只股票的收盘价与前一天相比的百分比差异。
library(quantmod)
library(dplyr)
library(tidyr)
library(ggplot2)
library(zoo)
start <- as.Date("2014-01-01")
end <- as.Date("2017-12-31")
getSymbols(c("AAPL", "AMZN", "FB", "GOOG", "MSFT"),
from = start, to = end, return.class = "data.frame")
df_wide <- bind_cols(AAPL, AMZN, FB, GOOG, MSFT) %>%
mutate(date = as.Date(rownames(AAPL)))
df_long <- df_wide %>%
gather(key = stock, value = value, - date) %>%
separate(stock, into = c("stock", "type"))
df_panel <- df_long %>%
spread(key = type, value = value)
df_CloseDelta <- df_panel %>%
group_by(stock) %>%
mutate(closeDelta = 100 * (Close - lag(Close))/lag(Close)) %>%
select(date, stock, closeDelta) %>%
filter(!is.na(closeDelta))
我正在尝试按年份和月份对这些条目进行分组(2014 年 1 月 AAPL 收盘价的所有百分比变化,2014 年 1 月 AMZN 收盘价的所有百分比变化等)我正在尝试使用yearmon() 函数来执行此操作,并认为我可以创建(变异)一个新列,我可以在其中提取年份和月份,然后对数据进行分组,或者只是将其分组而不创建新列。 我能够做到这一点:
as.yearmon(df_CloseDelta$date)
并返回:
[1] "Jan 2014" "Jan 2014" "Jan 2014" "Jan 2014" "Jan 2014" "Jan 2014" "Jan 2014"
[8] "Jan 2014" "Jan 2014" "Jan 2014" "Jan 2014" "Jan 2014" "Jan 2014" "Jan 2014"
[15] "Jan 2014" "Jan 2014" "Jan 2014" "Jan 2014" "Jan 2014" "Jan 2014" "Jan 2014"
[22] "Jan 2014" "Jan 2014" "Jan 2014" "Jan 2014" "Jan 2014" "Jan 2014" "Jan 2014"
对每个条目依此类推。
然后我尝试将其分组:
df_summary_CloseDelta <- df_CloseDelta %>%
group_by(as.yearmon(df_CloseDelta$date))
但收到此错误:
Error in mutate_impl(.data, dots) :
Column `as.yearmon(df_CloseDelta$date)` must be length 1006 (the group
size) or one, not 5030
我知道有 1,006 个日期,但鉴于有 5 只股票,因此有 5,030 个条目。 我试图将它们分组,然后找出每个股票的每月和每年的平均值、最小值和最大值。 有人可以指出我正确的方向吗?
group_by
期望您为其提供变量名称或长度与数据中的行数相同的向量,这些向量将被视为执行分组的因素。 请参阅下面的示例。
> btest <- data.frame(a = LETTERS[1:10],
+ b = c(1,1,2,2,3,3,4,4,5,5),
+ c = c(rep('e',5), rep('f',5)))
> btest
a b c
1 A 1 e
2 B 1 e
3 C 2 e
4 D 2 e
5 E 3 e
6 F 3 f
7 G 4 f
8 H 4 f
9 I 5 f
10 J 5 f
现在我们可以通过两种方式之一计算我们感兴趣的组的总和。 传统的方法是使用group_by
然后我们的变量c
。
> btest %>%
+ group_by(c) %>%
+ summarise(ex = mean(b))
# A tibble: 2 x 2
c ex
<fct> <dbl>
1 e 1.80
2 f 4.20
但是,您的代码认为您要做的是提供将用于形成分组的逐行值。
> btest %>%
+ group_by(c(1,1,1,1,1,2,2,2,2,2)) %>%
+ summarise(ex = mean(b))
# A tibble: 2 x 2
`c(1, 1, 1, 1, 1, 2, 2, 2, 2, 2)` ex
<dbl> <dbl>
1 1.00 1.80
2 2.00 4.20
只是为了让我们清楚手段应该是什么。
> mean(c(1,1,2,2,3))
[1] 1.8
> mean(c(3,4,4,5,5))
[1] 4.2
您的问题是您需要先添加要分组的列,然后才能对其进行分组。
> df_CloseDelta[['date_yearmon']] <- as.yearmon(df_CloseDelta[['date']])
>
> df_CloseDelta %>%
+ group_by(date_yearmon, stock) %>%
+ summarise(mean_closedelta = mean(closeDelta))
# A tibble: 240 x 3
# Groups: date_yearmon [?]
date_yearmon stock mean_closedelta
<S3: yearmon> <chr> <dbl>
1 Jan 2014 AAPL -0.474
2 Jan 2014 AMZN -0.472
3 Jan 2014 FB 0.746
4 Jan 2014 GOOG 0.310
5 Jan 2014 MSFT 0.104
6 Feb 2014 AAPL 0.269
7 Feb 2014 AMZN 0.0631
8 Feb 2014 FB 0.491
9 Feb 2014 GOOG 0.159
10 Feb 2014 MSFT 0.0713
# ... with 230 more rows
或者,如果您想在dplyr
完成整个dplyr
,您可以执行以下操作。
df_CloseDelta %>%
mutate(date_yearmon = as.character(as.yearmon(date))) %>%
group_by(date_yearmon, stock) %>%
summarise(mean_closedelta = mean(closeDelta))
xts 必须to.monthly
直接转换为每月,因此假设输入 OHLCV 数据位于环境e
中的一组 xts 对象中,最后我们对e
每个此类对象应用转换函数(将两者转换为每月,到数据框并附加符号),然后将结果数据框绑定到单个数据。
sym2df <- function(x, env) cbind(Symbol = x, fortify.zoo(to.monthly(env[[x]], name = "")))
do.call("rbind", lapply(ls(e), sym2df, env = e))
将股票数据放入环境e
:
library(quantmod)
start <- "2014-01-01"
end <- "2017-12-31"
syms <- c("AAPL", "AMZN", "FB", "GOOG", "MSFT")
getSymbols(syms, from = start, to = end, env = e <- new.env())
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.