数据帧，数据清理

Question

我只是想知道是否有解决以下问题的最佳方法：

我有一个相当大的个人和公司每日收益的数据框架。

dates  <- c("04.01.1995","05.01.1995","06.01.1995","09.01.1995","10.01.1995","11.01.1995","12.01.1995","13.01.1995")
stock1 <- rnorm(0.1,n = 3)
stock2 <- c(unlist(strsplit(rep("Na",8),split = " ")))
stock3 <- rnorm(0.1,n = 3)
stock4 <- rnorm(0.1,n = 3)
stock5 <- rnorm(0.1,n = 3)
stock6 <- rnorm(0.1,n = 3)
stock7 <- rnorm(0.1,n = 3)
stock8 <- c(unlist(strsplit(rep("Na",8),split = " ")))

cbind(dates,stock1,stock2,stock3,stock4,stock5,stock6,stock7,stock8)

它看起来像这样：

dates         stock1   stock2  stock3      stock4               stock5....              
"04.01.1995" "1.8249" "Na"     "2.7125"    "0.557280737196038"  "1.38681707010098"  

我想计算每一特定行的平均值，然后删除同一行中低于“行平均值”或阈值的观察值/元素。

提前感谢！

Answer 1

我建议使用dplyr包。网上有很多介绍，但最好的方法是使用directly from Hadley。

您的数据有点乱七八糟:最好有一列表示日期，一列表示股票编号，一列表示值。这可以通过使用tidyr包中的gather函数轻松实现(顾名思义，这是一个专门清理杂乱数据的包)。再说一次，大量的online resources。

从那里，您可能想要group_by公司/股票和年份，然后是summarise以获得每个公司和每年的平均值，然后是filter以仅保留符合您标准的公司。

希望你有足够的关键字来更有效地搜索！

Answer 2

您可以尝试：

datos =data.frame(date=c('02/01/1995','2019-01-02','2019-01-03'),
                 stock.1=c(0.1,NA,6),
                 stock.2=c(NA,7,6),
                 stock.3=c(0.4,7,1),
                 stock.4=c(0.1,7,1),
                 stock.5=c(0.2,7,1),
                 stock.6=c(0.7,7,1),
                 stock.7=c(1.2,7,1)
                        )


result <- datos[!(datos$date == "02/01/1995" & datos$stock.1==0.1 &     datos$stock.2=="NA" & datos$stock.3==0.4 & datos$stock.4==0.1 & datos$stock.5==0.2 & 
datos$stock.6==0.7 & datos$stock.7==1.2),]

这就是结果：

        date stock.1 stock.2 stock.3 stock.4 stock.5 stock.6 stock.7
1 02/01/1995     0.1      NA     0.4     0.1     0.2     0.7     1.2
2 2019-01-02      NA       7     7.0     7.0     7.0     7.0     7.0
3 2019-01-03     6.0       6     1.0     1.0     1.0     1.0     1.0
> result <- datos[!(datos$date == "02/01/1995" & datos$stock.1==0.1 &     datos$stock.2=="NA" & datos$stock.3==0.4 & datos$stock.4==0.1 & datos$stock.5==0.2 &     datos$stock.6==0.7 & datos$stock.7==1.2),]
> result
         date stock.1 stock.2 stock.3 stock.4 stock.5 stock.6 stock.7
NA       <NA>      NA      NA      NA      NA      NA      NA      NA
2  2019-01-02      NA       7       7       7       7       7       7
3  2019-01-03       6       6       1       1       1       1       1

我希望这能帮到你!