[英]Merging two irregular zoo time-series is messing up the structure
我正在使用具有數千行的貿易數據集。 每個記錄都有一個基於符號和日期的唯一鍵。 給定符號的交易記錄是不規則的,因此使用動物園將是自然的選擇。 我需要使用滯后和合並來創建一個新的數據集。 但是,我不知道如何在動物園中設置多列索引以使用滯后功能。 以下是樣本數據集和預期的輸出。
df = data.frame(
dt = as.Date(c("2015-01-01", "2015-01-05", "2015-01-06",
"2015-01-01", "2015-01-02")),
id = c("i1", "i1", "i1", "i2", "i2"),
v1 = c(110, 115, 119, 212, 213),
v2 = c(100, 170, 180, 202, 210),
v3 = c(11, 13, 16, 22, 24)
)
df$id = as.character(df$id)
輸出應該是
2015-01-01, i1, 110, 100, 11, 2015-01-05, i1, 115, 170, 13
2015-01-05, i1, 115, 170, 13, 2015-01-06, i1, 119, 180, 16
2015-01-06, i1, 119, 180, 16, NA, NA, NA, NA, NA
2015-01-01, i2, 212, 202, 22, 2015-01-02, i2, 213, 210, 24
2015-01-02, i2, 213, 210, 24, NA, NA, NA, NA, NA
請注意,無論列數如何,我都需要合並完整的行。 以下是解決基於Zoo的“分組”滯后操作的一種可能方法,該操作將合並完整的行。
doProcessing = function(df){
icolnames = colnames(df)
tt = zoo(df, df$dt)
tt1 = merge(tt, lag(tt, 1))
colnames(tt1) = c(icolnames, paste0("lag_", icolnames))
data.frame(tt1, stringsAsFactors=F)
}
fin_df = do.call(rbind, with(df, by(df, list(id), doProcessing, simplify=F)))
該最終輸出幀將每個字段都作為因子,這與原始數據幀不同。
> str(df)
'data.frame': 5 obs. of 5 variables:
$ dt: Date, format: "2015-01-05" "2015-01-01" ...
$ id: chr "i1" "i1" "i1" "i2" ...
$ v1: num 115 110 119 212 213
$ v2: num 170 100 180 202 210
$ v3: num 13 11 16 22 24
結果數據框看起來像
> str(fin_df)
'data.frame': 5 obs. of 10 variables:
$ dt : Factor w/ 4 levels "2015-01-01","2015-01-05",..: 1 2 3 1 4
$ id : Factor w/ 2 levels "i1","i2": 1 1 1 2 2
$ v1 : Factor w/ 5 levels "110","115","119",..: 1 2 3 4 5
$ v2 : Factor w/ 5 levels "100","170","180",..: 1 2 3 4 5
$ v3 : Factor w/ 5 levels "11","13","16",..: 1 2 3 4 5
$ lag_dt: Factor w/ 3 levels "2015-01-05","2015-01-06",..: 1 2 NA 3 NA
$ lag_id: Factor w/ 2 levels "i1","i2": 1 1 NA 2 NA
$ lag_v1: Factor w/ 3 levels "115","119","213": 1 2 NA 3 NA
$ lag_v2: Factor w/ 3 levels "170","180","210": 1 2 NA 3 NA
$ lag_v3: Factor w/ 3 levels "13","16","24": 1 2 NA 3 NA
我在做什么錯?如何根據原始數據幀獲得正確的結構?
我根據動物園時間序列中的此鏈接多部分索引問了這個問題,但是我把那個線程弄糟了,因此沒有收到任何回應。 需要以正確的方式解決此問題,因為手動修復並不美觀,也不是“ R”的處理方式。
您在組的索引中有重疊。 為了避免很多遺漏,一種解決方案是使用包含每個id的列表作為其自己的時間序列( zoo
對象):
> myTsList <- tapply(1:nrow(df), df$id, function(x) { zoo::zoo(df[x, ], df$dt[x]) } )
> myTsList
$i1
dt id v1 v2 v3
2015-01-01 2015-01-01 i1 110 100 11
2015-01-05 2015-01-05 i1 115 170 13
2015-01-06 2015-01-06 i1 119 180 16
$i2
dt id v1 v2 v3
2015-01-01 2015-01-01 i2 212 202 22
2015-01-02 2015-01-02 i2 213 210 24
然后,您可以在談論時輕松進行grouped lag
:
> res <- lapply(myTsList, function(x) merge(x, lag(x), suffixes=c("","lag")) )
> res
$i1
dt. id. v1. v2. v3. dt.lag id.lag v1.lag v2.lag v3.lag
2015-01-01 2015-01-01 i1 110 100 11 2015-01-05 i1 115 170 13
2015-01-05 2015-01-05 i1 115 170 13 2015-01-06 i1 119 180 16
2015-01-06 2015-01-06 i1 119 180 16 <NA> <NA> <NA> <NA> <NA>
$i2
dt. id. v1. v2. v3. dt.lag id.lag v1.lag v2.lag v3.lag
2015-01-01 2015-01-01 i2 212 202 22 2015-01-02 i2 213 210 24
2015-01-02 2015-01-02 i2 213 210 24 <NA> <NA> <NA> <NA> <NA>
當然,如果要具有data.frame
結構,則可以bind
組,但是由於索引重疊,我們需要首先進行轉換:
> Reduce(rbind, lapply(res, as.data.frame))
dt. id. v1. v2. v3. dt.lag id.lag v1.lag v2.lag v3.lag
2015-01-01 2015-01-01 i1 110 100 11 2015-01-05 i1 115 170 13
2015-01-05 2015-01-05 i1 115 170 13 2015-01-06 i1 119 180 16
2015-01-06 2015-01-06 i1 119 180 16 <NA> <NA> <NA> <NA> <NA>
2015-01-011 2015-01-01 i2 212 202 22 2015-01-02 i2 213 210 24
2015-01-02 2015-01-02 i2 213 210 24 <NA> <NA> <NA> <NA> <NA>
編輯:如果您根本不需要時間序列,而只需要最終輸出為data.frame
,那么受我的建議啟發,您可以采取以下措施:
df$ind <- 1:nrow(df)
myTsList <- tapply(1:nrow(df), df$id, function(x) zoo::zoo(df[x, "ind"], df$dt[x]) )
res <- lapply(myTsList, function(x) merge(x, lag(x)) )
newDf<- Reduce(rbind, lapply(res, as.data.frame))
df$ind <- NULL
as.data.frame(cbind(df[newDf[,1],],df[newDf[,2],]))
dt id v1 v2 v3 dt id v1 v2 v3
1 2015-01-01 i1 110 100 11 2015-01-05 i1 115 170 13
2 2015-01-05 i1 115 170 13 2015-01-06 i1 119 180 16
3 2015-01-06 i1 119 180 16 <NA> <NA> NA NA NA
4 2015-01-01 i2 212 202 22 2015-01-02 i2 213 210 24
5 2015-01-02 i2 213 210 24 <NA> <NA> NA NA NA
這也將保留原始data.frame
的正確類等。
編輯*一個更簡單的dplyr
解決方案:
library(dplyr)
merge(
df,
df %>% group_by(id) %>% mutate(lag=lag(dt)),
by.x=c("id","dt"), by.y=c("id","lag"), all.x=TRUE
)
id dt v1.x v2.x v3.x dt v1.y v2.y v3.y
1 i1 2015-01-01 110 100 11 2015-01-05 115 170 13
2 i1 2015-01-05 115 170 13 2015-01-06 119 180 16
3 i1 2015-01-06 119 180 16 <NA> NA NA NA
4 i2 2015-01-01 212 202 22 2015-01-02 213 210 24
5 i2 2015-01-02 213 210 24 <NA> NA NA NA
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.