Используйте агрегат с помощью функции, которая использует данные из двух столбцов (например, COV или POST)
https://stackoverflow.com/questions/3823549
italiano
english
français
española
中国
日本の
العربية
Deutsch
한국어
Português
RussianВопрос
У меня длинные временные серии ежедневных данных и 101 столбцов. Каждый месяц я хотел бы рассчитать cov каждого из первых 100 столбцов с 101-го столбцами. Это будет генерировать ежемесячную ковариацию с 101-го столбцами для каждого из 100 столбцов, основанных на ежедневных данных. Кажется, что aggregate делает то, что я хочу с функциями, которые берут один вектор, например mean, но я не могу заставить его работать с cov (или prod).
Пожалуйста, дайте мне знать, если dput несколько месяцев помогут.
> 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 Работает отлично, и дает мне ежемесячные данные, которые я хочу.
> 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
Но я не могу получить функцию, которая использует две разные столбцы / векторы для работы.
> cov.temp <- aggregate(data[, 1:100], as.yearmon, cov(x, data[, "Mkt.RF"]))
Error in inherits(x, "data.frame") : object 'x' not found
Я не могу получить его работу, что делает cov обертка
> 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
Должен ли я сделать это с for петля? Я надеюсь, что есть более R способ. Спасибо!
Решение
Вы забыли function(x) Декларация, и вам нужно убедиться, что вы получите правильное ежемесячное подмножество data (который топает на data функция, кстати). Попробуй это:
> 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
* Обратите внимание, что я изменил последние три наблюдения в вашим примере данных в августе месяце, поэтому будет более одного месяца выпуска.
Другие советы
Вы можете использовать подход, который я написал здесь, а именно, чтобы сделать что-то вроде:
tapply(1:nrow(data), data$group, function(s) cov(data$x[s], data$y[s]))
В aggregate(), как обычно для многих функций R, которые применяют другие функции R для подмножеств данных, вы называете функцию, которую вы хотите применить, в этом случае, добавив FUN = cov на ваш aggregate() вызов. Затем вы можете поставлять аргументы этой функции как часть ... Специальный аргумент.
Вы можете пройти data[, "Mkt.RF"]) как аргумент y функции cov(), Так что-то вроде этого должно работать:
cov.temp <- aggregate(data[, 1:100], as.yearmon, FUN = cov, y = data[, "Mkt.RF"])
Однако в этом случае это не работает так, как вам нужно обрабатывать зоопарный характер данных и иметь возможность подмножество data[, "Mkt.RF"] таким же образом другой data[,1:100]1 columns are broken up byсовокупность () ``. Таким образом, альтернатива - указать функцию в линию, как это:
cov.temp <- aggregate(data[, 1:100], as.yearmon,
FUN = function(x) cov(x, y = data[index(x), "Mkt.RF"]))
Вот пример, который должен выходить из коробки:
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)
Что дает нам:
> 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
Теперь давайте предположим X6 Ваш "Mkt.RF" Столбец и мы составляем через DAT2 [, 1: 5]:
cov.temp <- aggregate(dat2[, 1:5], as.yearmon,
FUN = function(x) cov(x, y = dat2[index(x),"X6"]))
head(cov.temp)
Который дает:
> 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
Емкость
Я закончил использовать aggregate отформатировать данные, но потребовалось около 50 минут за расчет cov с каждым фактором. На прихоти я попробовал plyr Решение, которое имеет огромные выгоды.
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))))
Это занимает около пяти секунд (600x раз быстрее). Я полагаю, что есть большая скорость прироста в улучшении эффективности поддельных операций.
Спасибо всем за помощь. Я многому научился на этом.
