2

介绍

我还不是 R 专家，所以请原谅我可能应该不好意思问的另一个问题。在我在 stackoverflow 上提出的另一个问题中，我得到了一些非常有用的评论，关于如何通过函数将 xts 对象的不规则每日数据聚合为每周值 apply.weekly()。不幸的是，我没有找到像 , 或这样的函数tapply()，它ddply()允许按与该函数一起使用的类别进行拆分。by()aggregate()apply.weekly()

我的数据

这是我的示例数据集。我已经在另一个问题中发布了。出于说明目的，我也冒昧地在这里发布它：

example <- as.data.frame(structure(c(" 1", " 2", " 1", " 2", " 1", " 1", " 2", " 1", " 2", 
" 1", " 2", " 3", " 1", " 1", " 2", " 2", " 3", " 1", " 2", " 2", 
" 1", " 2", " 1", " 1", " 2", NA, " 2", NA, NA, " 1", " 3", " 1", 
" 3", " 3", " 2", " 3", " 3", " 3", " 2", " 2", " 2", " 3", " 3", 
" 3", " 2", " 2", " 3", " 3", " 3", " 3", " 1", " 2", " 1", " 2", 
" 2", " 1", " 2", " 1", " 2", " 2", " 2", " 3", " 1", " 1", " 2", 
" 2", " 3", " 3", " 2", " 2", " 1", " 2", " 1", " 1", " 2", NA, 
" 2", NA, NA, " 1", " 3", " 2", " 3", " 2", " 0", " 3", " 3", 
" 3", " 2", " 0", " 2", " 3", " 3", " 3", " 0", " 2", " 2", " 3", 
" 3", " 0", "12", " 5", " 9", "14", " 5", "tra", "tra", "man", 
"inf", "agc", "07-2011", "07-2011", "07-2011", "07-2011", "07-2011" 
), .indexCLASS = c("POSIXlt", "POSIXt"), .indexTZ = "", class = c("xts", 
"zoo"), .indexFORMAT = "%U-%Y", index = structure(c(1297642226, 
1297672737, 1297741204, 1297748893, 1297749513), tzone = "", tclass = c("POSIXlt", 
"POSIXt")), .Dim = c(5L, 23L), .Dimnames = list(NULL, c("rev_sit", 
"prof_sit", "emp_nr_sit", "inv_sit", "ord_home_sit", "ord_abr_sit", 
"emp_cost_sit", "usage_cost_sit", "tax_cost_sit", "gov_cost_sit", 
"rev_exp", "prof_exp", "emp_nr_exp", "inv_exp", "ord_home_exp", 
"ord_abr_exp", "emp_cost_exp", "usage_cost_exp", "tax_cost_exp", 
"gov_cost_exp", "land", "nace", "index"))))

列

“rev_sit”、“prof_sit”、“emp_nr_sit”、“inv_sit”、“ord_home_sit”、“ord_abr_sit”、“emp_cost_sit”、“usage_cost_sit”、“tax_cost_sit”、“gov_cost_sit”、“rev_exp”、“prof_exp”、“emp_nr_exp” ", "inv_exp", "ord_home_exp","ord_abr_exp", "emp_cost_exp", "usage_cost_exp","tax_cost_exp","gov_cost_exp",

参考调查中的问题。有“1”、“2”和“3”三个回答可能性代码。

列

“土地”，“纳斯”

是分别具有 16 个和 8 个独特因素的类别。

我的目标 我的目标是针对“nace”和“land”中的类别因素的每个组合，每周计算“1”、“2”和“3”的出现次数。我的想法是预先为每个回答可能性 {1,2,3} 创建二进制向量（example_1，example_2，example_2），然后应用类似的东西：

apply.weekly(example_1, function(d){ddply(d,list(example$nace,example$land),sum)})

但这不适用于ddply,aggregate等by。

我的目标

我最初的非专业工作不是创建时间序列，而是创建一个日期向量example$date，其中给定时间列编码为每周一次%V，然后使用，即：

tapply(example_1[,5], list(example$date,example$nace,example$land),sum)

对于上面显示的二十个问题中的每一个，我当然会这样做。然后我得到例如example_1：

第 1 周，nace1.land1，nace1.land2，nace1.land3，...，nace1.land16，nace2.land1，...，nace8.land16 第 2 周，nace1.land1，nace1.land2，nace1.land3，...， nace1.land16, nace2.land1,..,nace8.land16 ... ...weekn, nace1.land1, nace1.land2, nace1.land3, ..., nace1.land16, nace2.land1,..,nace8 .land16

我必须对 2 (example_2) 和 3 (example_3) 做同样的事情，这对于 20 个问题中的每一个问题都会产生所有 16*8*3*20=7680 列。这种极端情况，另外使用这种方法，产品不是时间序列，因此不能按周正确排序。

概括

所以任何人都可以教我或给我一个提示，如何将函数与函数、、、、等函数apply.weekly()结合使用tapply()，或任何其他方法来实现如上所述的分组。每一个提示都非常感谢。我已经很沮丧地考虑放弃我的 R 实验并改回 stata，其中很多东西都更加直观，等等......但不要理解我的错误：我很想学习所以请帮助我！ddply()by()split()unstack()collapse()by()

4

2 回答 2

1

非常感谢您的帮助。与此同时，我正忙于其他一些事情，但现在我又开始解决我的问题了，在您的精彩评论的帮助下，我找到了解决方案：

我放弃了直接使用时间序列，将这一步推迟到我的分析结束。因此，我采用日期向量并将其转换为周：

图书馆(ISOweek) d$index <- ISOweek(d$date)

（因为我使用的是 Windows，所以我使用 ISOweek 执行此操作）

然后我使用tapply和lapply的组合。以下函数计算每个日历周 (d$index = t[[22]]) 以及两个分类列 t[[21]]、t[ [22]]。在同一步骤中，整个事物被转换为一个数据框：

groupweeksums <- function(x,t){as.data.frame(tapply((x==1)*1,list(t[[23]],t[[21]],t[[22]]) , 函数(d)sum(d,na.rm=TRUE)))}

==>x 代表特定列，t 代表数据框（否则我不知道该怎么做，因为有一次我必须在数据框的另一个处处理一列，我想避免大量输入) ; 如果 d 是数据框，则：

df <- groupweeksums(d,d)

为了我不必对所有 20 个问题重复此过程，请使用 lapply：

df <- as.data.frame(lapply(df[,1:20],function(d)groupweeksums(d,euwifo)))

这为我提供了一个漂亮的数据框，其中包含我进一步分析所需的一切。感谢您的帮助，随着您的有用评论，我离解决方案越来越近了！！！

PS我还将这个答案发布到我在stackoverflow上发布的另一个问题，该问题与这个问题相关。我希望这没有问题或违反这里的任何规则。

于 2012-02-03T15:59:13.780 回答
0

我会按照您的建议添加一个“周”列，但在处理之前将数据转换为高格式 - 如果需要，您可以在之后将其转换回时间序列。

library(reshape2)
d <- melt(example, id.vars=c("land", "nace", "index"))
# You apparently want one of the followings
dcast( d, land + nace + index ~ value, length )
dcast( d, land + nace + index + variable ~ value, length )
dcast( d, land + nace + index ~ variable + value, length )

等效地，您可以使用ddply：

library(plyr)
d <- melt(example, id.vars=c("land", "nace", "index"))
ddply( d, 
  c("land", "nace", "index", "value"), 
  summarize, 
  number=length(value)  # The argument "value" does not play any role
)

您的index列包含当年的周数 ( %Y-%U)：仅当所有日期都在同一日历年内时，这才有效。使用实际日期而不是周数可能更安全，例如，本周开始时的星期日 - 它还可以更容易地将结果转换为时间序列。

week_start <- function(u) as.Date(u) - as.numeric(format(u, "%u"))
example$index <- weekstart( as.POSIXct(rownames(example)) )
# The following may also work.
example$index <- format( as.POSIXct(rownames(example)), "%G-%V" )
于 2012-01-27T23:49:48.463 回答