2つの列からのデータを使用する関数（COVまたはPROD）を使用して集計を使用します

StackOverflow https://stackoverflow.com/questions/3823549

  •  26-09-2019
  •  | 
  •  

質問

毎日のデータと101列の長い時間系列があります。毎月計算したいと思います cov 101列の最初の100列のそれぞれのうち。これにより、毎日のデータに基づいて100列のそれぞれについて、101列目と毎月の共分散が生成されます。のようだ aggregate などの単一のベクトルを取る関数で私が望むことを行います。 mean, 、しかし、私はそれを動作させることができません cov （また prod).

aの場合はお知らせください dput 数ヶ月の助けになります。

> library("zoo")
> data <- read.zoo("100Size-BM.csv", header=TRUE, sep=",", format="%Y%m%d")
> head(data[, c("R1", "R2", "R3", "R100", "Mkt.RF")])
                 R1       R2       R3     R100  Mkt.RF
1963-07-01 -0.00212  0.00398 -0.00472 -0.00362 -0.0066
1963-07-02 -0.00242  0.00678  0.00068 -0.00012  0.0078
1963-07-03  0.00528  0.01078  0.00598  0.00338  0.0063
1963-07-05  0.01738 -0.00932 -0.00072 -0.00012  0.0040
1963-07-08  0.01048 -0.01262 -0.01332 -0.01392 -0.0062
1963-07-09 -0.01052  0.01048  0.01738  0.01388  0.0045

mean うまく機能し、毎月のデータを提供します。

> mean.temp <- aggregate(data[, 1:100], as.yearmon, mean)
> head(mean.temp[, 1:3])
                    R1            R2            R3
Jul 1963  0.0003845455  7.545455e-05  0.0004300000
Aug 1963 -0.0006418182  2.412727e-03  0.0022263636
Sep 1963  0.0016250000  1.025000e-03 -0.0002600000
Oct 1963 -0.0007952174  2.226522e-03  0.0004873913
Nov 1963  0.0006555556 -5.211111e-03 -0.0013888889
Dec 1963 -0.0027066667 -1.249524e-03 -0.0005828571

しかし、2つの異なる列/ベクトルを使用して動作する関数を取得することはできません。

> cov.temp <- aggregate(data[, 1:100], as.yearmon, cov(x, data[, "Mkt.RF"]))
Error in inherits(x, "data.frame") : object 'x' not found

また、作業することもできません cov ラッパー。

> f <- function(x) cov(x, data[, "Mkt.RF"])
> cov.temp <- aggregate(data[, 1:100], as.yearmon, f)
Error in cov(x, data[, "Mkt.RF"]) : incompatible dimensions

でこれを行う必要があります for ループ？もっとあることを願っています R 仕方。ありがとう！

役に立ちましたか？

解決

あなたはを忘れました function(x) 宣言とあなたは、あなたが正しい毎月のサブセットを取得することを確認する必要があります data （これは踏みにじります data ちなみに機能）。これを試して：

> aggregate(data, as.yearmon, function(x) cov(x,data[index(x),"Mkt.RF"]))
                  R1         R2        R3        R100     Mkt.RF
Jul 1963  1.3265e-05 2.0340e-05 3.464e-05  2.2575e-05  6.267e-05
Aug 1963 -7.1295e-05 2.8875e-05 1.000e-06 -9.9700e-06 -2.608e-05

*例データの最後の3つの観測値を8月に変更したため、1か月以上の出力があることに注意してください。

他のヒント

私が書いたアプローチを使用できます ここ, 、つまり、次のようなことをすること

tapply(1:nrow(data), data$group, function(s) cov(data$x[s], data$y[s]))

の aggregate(), 、データのサブセットに別のR関数を適用する多くのR関数に共通しているように、この場合は適用する関数に名前を付けます。 FUN = cov あなたに aggregate() 電話。その後、あなたはの一部としてこの機能に議論を提供することができます ... 特別な議論。

合格することができます data[, "Mkt.RF"]) 議論として y 関数の cov(), 、したがって、このようなものは機能するはずです：

cov.temp <- aggregate(data[, 1:100], as.yearmon, FUN = cov, y = data[, "Mkt.RF"])

ただし、この場合、データの動物園の自然を処理し、サブセットをする必要があるため、これは機能しないようです。 data[, "Mkt.RF"] 同様に他の方法で data[,1:100]1 columns are broken up byaggregate（） `。したがって、別の方法は、関数を指定することです 列をなして, 、 このような：

cov.temp <- aggregate(data[, 1:100], as.yearmon, 
                      FUN = function(x) cov(x, y = data[index(x), "Mkt.RF"]))

これが箱から出てくるべき例です。

library("zoo")
dat <- data.frame(matrix(rnorm(365*10*6), ncol = 6))
Dates <- seq.Date(from = as.Date("1963-07-01"), by = "days", length = 365*10)
dat2 <- zoo(dat, order.by = Dates)

それは私たちに与えます：

> head(dat2)
                    X1         X2         X3          X4         X5         X6
1963-07-01  0.30910867  0.5539864  0.6433690  0.20608146 -1.7706003 -0.4607610
1963-07-02 -0.02519616 -0.1856305  1.0419578  1.01319153  0.8671110  0.1196251
1963-07-03  1.56464024  0.4980238  0.2976338  0.05654036  0.4984225 -1.4626501
1963-07-04 -0.24028698 -1.4365257  0.5707873 -0.05851961 -0.7176343  0.1233137
1963-07-05 -0.87770815 -0.5217949 -2.4875626 -0.08200408 -0.6121038 -0.3881126
1963-07-06 -0.53660576 -1.1098966  2.7411511 -1.37106883 -0.5891641  1.6322411

さて、仮定しましょう X6 あなたの "Mkt.RF" 列と私たちはDat2を介して集計します[、1：5]：

cov.temp <- aggregate(dat2[, 1:5], as.yearmon, 
                      FUN = function(x) cov(x, y = dat2[index(x),"X6"]))
head(cov.temp)

それは得られます：

> head(cov.temp)
                  X1          X2           X3          X4          X5
Jul 1963 -0.30185387  0.09802210  0.019282934 -0.03621272  0.05332324
Aug 1963  0.14739044  0.04276340  0.081847499 -0.35195736 -0.14680017
Sep 1963  0.56698393 -0.08371676  0.003870935 -0.05948173  0.07550769
Oct 1963  0.00711595 -0.07939798  0.118030943 -0.22065278 -0.12474052
Nov 1963  0.06551982  0.22848268  0.231967655  0.02356194 -0.24272566
Dec 1963  0.23866775  0.29464398 -0.034313793  0.09694199 -0.10481527

Hth

最終的に使用しました aggregate データをフォーマットするには、計算あたり約50分かかりました cov 各要因で。気まぐれに私は試しました plyr ソリューション。これには大きな利益があります。

cov.fn <- function(x) nrow(x) * cov(x[, 1:100], x[, 101])
temp <- zoo(daply(data, .(as.yearmon(index(data))), cov.fn), unique(as.yearmon(index(data))))

これには約5秒かかります（600倍高速）。サブセット操作の効率を改善するためには、大きな速度の向上があると思います。

ありがとう、助けてくれてありがとう。私はこれについて多くを学びました。

ライセンス： CC-BY-SA と 帰属
所属していません StackOverflow
scroll top