在数据框的每一行应用条件函数

Question

我是 R 的新手，我正在为这个看起来像这样的 df 苦苦挣扎：

Date      Group       Factor 1 Factor 2 Spread
2019-04-01  a   1.01    1.011   0.01
2019-04-02  a   1.02    1.012   0.02
2019-04-03  a   1.03    1.013   0.03
2019-04-01  b   1.005   1.004   0.01
2019-04-02  b   1.0051  1.0041  0.02
2019-04-03  b   1.0052  1.0042  0.03

我想验证每一行中的每个组，如果结果是“a”组，则执行 Factor1/Factor1（1 天滞后）* Factor2 + 点差，如果该组不是“a”，则不添加点差。

Answer 1

由于您正在对组进行调节，因此这是by (base R)、 dplyr::group_by或data.table的x[,,by=]一个很好的例子。

等式在所有三个中实际上是相同的，利用这样一个事实，即(Group[1] == "a")在乘以numeric时将从logical强制转换为numeric ； 由于FALSE转换为 0，因此有效地禁用了添加Spread 。

根据

我within这里使用 inside 使内部结构更具可读性，但这不是必需的（在这种情况下，您需要在所有变量名称前添加x$ ）。

滞后可以使用dplyr::lag （即使您不为此使用包的其余部分）或许多其他技术来完成。 我不认为stats::lag在这样的应用程序中是最直观的，但我相信有人会建议一种方法将它合并到答案中。 使用c(NA, ...)确保我们不会引入不同组的数据或估算我们没有的数据，因为我们没有引入组的第一行的价值。 最后， head(..., n = 1)返回向量/列表的第一个元素，而head(..., n = -1) (negative) 返回除最后一个之外的所有元素。

newx <- by(x, x$Group, function(y) {
  within(y, {
    NewVal = Factor2 * Factor1 / c(NA, head(Factor1, n=-1)) + (Group[1] == "a") * Spread
  })
})
newx
# x$Group: a
#         Date Group Factor1 Factor2 Spread   NewVal
# 1 2019-04-01     a    1.01   1.011   0.01       NA
# 2 2019-04-02     a    1.02   1.012   0.02 1.042020
# 3 2019-04-03     a    1.03   1.013   0.03 1.052931
# -------------------------------------------------------
# x$Group: b
#         Date Group Factor1 Factor2 Spread NewVal
# 4 2019-04-01     b  1.0050  1.0040   0.01     NA
# 5 2019-04-02     b  1.0051  1.0041   0.02 1.0042
# 6 2019-04-03     b  1.0052  1.0042   0.03 1.0043

这真的只是一个list用一些花哨by特异性的格式，所以你可以把它当作如以高效的基础-R方式将它们组合：

do.call("rbind.data.frame", c(newx, stringsAsFactors = FALSE))
#           Date Group Factor1 Factor2 Spread   NewVal
# a.1 2019-04-01     a  1.0100  1.0110   0.01       NA
# a.2 2019-04-02     a  1.0200  1.0120   0.02 1.042020
# a.3 2019-04-03     a  1.0300  1.0130   0.03 1.052931
# b.4 2019-04-01     b  1.0050  1.0040   0.01       NA
# b.5 2019-04-02     b  1.0051  1.0041   0.02 1.004200
# b.6 2019-04-03     b  1.0052  1.0042   0.03 1.004300

dplyr

许多人发现tidyverse软件包系列可以直观地阅读。

library(dplyr)
x %>%
  group_by(Group) %>%
  mutate(NewVal = Factor2 * Factor1 / lag(Factor1) + (Group[1] == "a") * Spread) %>%
  ungroup()
# # A tibble: 6 x 6
#   Date       Group Factor1 Factor2 Spread NewVal
#   <chr>      <chr>   <dbl>   <dbl>  <dbl>  <dbl>
# 1 2019-04-01 a        1.01    1.01   0.01  NA   
# 2 2019-04-02 a        1.02    1.01   0.02   1.04
# 3 2019-04-03 a        1.03    1.01   0.03   1.05
# 4 2019-04-01 b        1.00    1.00   0.01  NA   
# 5 2019-04-02 b        1.01    1.00   0.02   1.00
# 6 2019-04-03 b        1.01    1.00   0.03   1.00

data.table

另一方面，许多人发现data.table更好，因为从就地修改中获得了效率（R 的大多数操作都是写时复制，这意味着某些操作会在每次更改时重新复制对象或其中的一部分）。

library(data.table)
X <- as.data.table(x)
X[, NewVal := Factor2 * Factor1 / shift(Factor1) + (Group[1] == "a") * Spread, by = "Group"]
X
#          Date Group Factor1 Factor2 Spread   NewVal
# 1: 2019-04-01     a  1.0100  1.0110   0.01       NA
# 2: 2019-04-02     a  1.0200  1.0120   0.02 1.042020
# 3: 2019-04-03     a  1.0300  1.0130   0.03 1.052931
# 4: 2019-04-01     b  1.0050  1.0040   0.01       NA
# 5: 2019-04-02     b  1.0051  1.0041   0.02 1.004200
# 6: 2019-04-03     b  1.0052  1.0042   0.03 1.004300

“就地”部分在此处的第二行很明显，看起来好像[操作应该只返回一个子集或某些数据......但在这种情况下，使用:=会导致创建列（或更改）就地。