0
我有一組變量(約21),我想循環併爲每個變量執行以下操作: 1.將組按年份劃分的10組,按年份分配的十分位數確定 2.以這些新組別爲基礎的計算方法(相等和加權)。R data.table中的循環:通過變量分佈創建組,然後通過新組計算means
測試數據:
set.seed(4)
YR = data.table(yr=1962:2015)
ID = data.table(id=10001:11000)
DT <- YR[,as.list(ID), by = yr] # intentional cartesian join
rm("YR","ID")
# 54,000 obs now add data
DT[,`:=` (ratio = rep(sample(10),each=5400)+rnorm(nrow(DT)),
ratio2 = rep(sample(5),each=10800)+rnorm(nrow(DT)),
weight = abs(rnorm(nrow(DT)))*100,
val = rnorm(nrow(DT))
)]
DT
yr id ratio ratio2 weight val
1: 1962 10001 6.689275 4.895357 129.10487 -0.2022073
2: 1962 10002 4.718753 4.505419 140.70420 -0.0887587
3: 1962 10003 5.786855 4.359488 242.10988 0.9511465
4: 1962 10004 7.896540 4.049974 89.23235 -1.3822148
5: 1962 10005 7.776863 2.233036 177.79650 -1.0671091
---
53996: 2015 10996 10.613272 3.345091 153.81424 0.9269429
53997: 2015 10997 11.260932 1.804315 15.68129 -1.6618414
53998: 2015 10998 8.591909 3.332643 134.80929 -1.1632596
53999: 2015 10999 9.143039 3.012160 178.77301 -0.4761060
54000: 2015 11000 7.470945 4.068919 121.13470 -1.7594423
所以,我想通過比循環中,然後比* 2,等等,每一種計算十分位數,然後由每個這些新計算的十分位數的總結VAL。請注意,這些不是編號變量,所以我不能使用paste()和1:21向量重新創建名稱。 首先,我寫了這個功能做分組:
# [function] pctl.grp - order data into groups based on percentil breakpoints
# Number of groups passed
pctl.grp <- function(dat, grp) {
bp <- quantile(dat, probs = c(0,seq(100/grp,100,100/grp))/100)
cut(dat,bp,labels = FALSE, include.lowest = TRUE)
}
然後,我可以做一個迭代這樣的:
# adds in new variable containing 10 groups numbered 1-10
DT[,ratiogrp := lapply(.SD, pctl.grp, 10), by = .(yr), .SDcols = c("ratio")]
DT[,.(ewval = mean(val),
ewratio = mean(ratio),
vwval = weighted.mean(val, weight, na.rm = TRUE),
vwratio = weighted.mean(ratio, weight, na.rm = TRUE)) ,by=ratiogrp][order(ratiogrp)]
這給期望的結果:
ratiogrp ewval ewratio vwval vwratio
1: 1 -0.027994385 3.576939 -0.039512050 3.572319
2: 2 -0.001146009 4.329835 0.005093692 4.331433
3: 3 -0.009087386 4.784103 -0.012764902 4.767494
4: 4 -0.014961467 5.094431 -0.015464918 5.110614
5: 5 0.014705294 5.373705 0.015276699 5.364962
6: 6 -0.010195630 5.645182 -0.014102394 5.618484
7: 7 0.001297953 5.949583 -0.012839401 5.925634
8: 8 -0.009300910 6.265297 -0.007141404 6.263371
9: 9 0.012970539 6.651047 0.018474949 6.684825
10: 10 0.003841495 7.363449 -0.004225650 7.351828
但如何我是否通過21次循環遍歷每個變量?我可以很容易地讓我的變量的名字是這樣的:
> grep(c("ratio"), names(DT))
[1] 3 4
> names(DT)[grep(c("ratio"), names(DT))]
[1] "ratio" "ratio2"
所以認爲for (z in 1:length(namelist)) {}
或某事會工作。但我不確定如何在data.table結構中引用這些名稱(或數字)來重新創建上面所做的。
輝煌。不過,我不確定爲什麼cut(I,10,labels = FALSE)給出與使用我的函數相同的結果。我將cut()的pctl.grp()函數替換成我想要的。 –
@JesseBlocher酷,很高興它的作品。 '.I'只是連續行號的向量(因爲數據是按yr和變量排序的),一些向量'n:m'; 'cut(n:m,10,labels = FALSE)'將把行剪切成10個相同大小的組;並且由於數據按比例排序,因此這些組是其十分位數。標籤= FALSE部分表示它將整數分配給十進制。這種錯綜複雜的,我知道.... – Frank
我非常確定'cut(x,10)'不會將行放入同等大小的組中。如果你做'x <-rnorm(100)',然後'c < - cut(x,10,labels = FALSE)'做一個'c'的直方圖,你應該得到相同的高度條,而你不這樣做。比較我的功能。這不是重點 - 我認爲我的示例數據是隨機統一的,因此兩者看起來都是一樣的。 –