问题描述
我必须生成一个自引用变量 (ind)，该变量按 id 分组并且必须满足特定条件（例如，时间 > 1)。这是一个玩具示例：
set.seed(13)
dt <- data.frame(id = rep(letters[1:2],each = 4),time = rep(1:4,2),ret = rnorm(8)/100)
dt$ind <- if_else(dt$time == 1,100,as.numeric(NA))
dt
dt <- dt %>%
group_by(id) %>%
mutate(
ind = if_else(time > 1,lag(ind,1)*(1+ret),ind)
)
这是输出：
显然我不能在这个设置中使用 mutate，因为它引用了 ind 的初始值，并且在计算新值时不会更新。
我想避免运行循环。有什么想法可以最有效地计算所有时间段的 ind 吗？
编辑：
感谢大家的帮助！我对上述问题有一个稍微棘手的扩展。
我该如何处理更高的延迟？例如，滞后 = 2，使得
index_{t} = index_{t-2}*(1+ret_{t})
这是我使用 Excel 生成的示例数据框和示例结果：
set.seed(13)
dt <- data.frame(id = rep(letters[1:2],each = 5),time = rep(1:5,ret = rnorm(10)/100)
dt$ind <- if_else(dt$time == 1,120,if_else(dt$time == 2,125,as.numeric(NA)))
解决方法
更新二 我问了 question，因为您对一个有趣的案例提出了新的要求，我认为这将是一个很好的机会来解决这个问题以学习新东西。希望 Mr. Grothendieck 教会了我们解决问题的巧妙方法。让我先告诉你：
- 对于这种情况，我们使用复数结构 (a + bi)。您可能已经知道
a是实部，b是虚部，而i是不确定的。因此，我们以某种方式重构我们的ind输出ind的前一个值是实部a，倒数第二个值是虚部b例如我们的第一个值可以重组为120 + 0i和第二个如125 + 120i - 我们这样做是因为我们需要在前一次迭代中保留这两个值，以便我们可以提取我们需要的值。我们使用
Re函数提取实部，使用Im函数提取虚部 - 对于
ret变量，我们只需要省略前 2 行并使用对应于每次迭代的其余行 - 最后，我们编写自定义函数的方式是从前一个
ind中提取虚部，这实际上是我们前两个值并将其分配给 (1 +ret的当前值)还有一个微妙的点：为了在下一次迭代中保持相同的结构，我们还将上一次迭代的实部添加为当前值的虚部（这实际上是下一次迭代的实部）&最后我们只提取实部
我知道这里可能有太多的事情要做，但请告诉我是否有任何我可以解释的更多内容，并感谢您提出这个好问题。
library(dplyr)
library(purrr)
dt %>%
group_by(id) %>%
mutate(ind = c(ind[1],Re(unlist(accumulate(ret[3:n()],.init = ind[2] + ind[1] * 1i,~ Im(..1) * (1 + ..2) + Re(..1) * 1i)))))
# A tibble: 10 x 4
# Groups: id [2]
id time ret ind
<chr> <int> <dbl> <dbl>
1 a 1 0.00554 120
2 a 2 -0.00280 125
3 a 3 0.0178 122.
4 a 4 0.00187 125.
5 a 5 0.0114 124.
6 b 1 0.00416 120
7 b 2 0.0123 125
8 b 3 0.00237 120.
9 b 4 -0.00365 125.
10 b 5 0.0111 122.
更新一基于@AnilGoyal的绝妙创意
library(dplyr)
library(purrr)
dt %>%
group_by(id) %>%
group_by(d = seq(n()) %% 2,.add = TRUE) %>%
mutate(ind = accumulate(ret[-1],.init = ind[1],~ (..2 + 1) * ..1)) %>%
select(-d)
# A tibble: 10 x 5
# Groups: id,d [4]
d id time ret ind
<dbl> <chr> <int> <dbl> <dbl>
1 1 a 1 0.00554 120
2 0 a 2 -0.00280 125
3 1 a 3 0.0178 122.
4 0 a 4 0.00187 125.
5 1 a 5 0.0114 124.
6 0 b 1 0.00416 120
7 1 b 2 0.0123 125
8 0 b 3 0.00237 120.
9 1 b 4 -0.00365 125.
10 0 b 5 0.0111 122.
或者在 base R 中我们可以这样做：
do.call(rbind,lapply(split(dt,dt$id),function(x) {
x$ind <- c(x$ind[1],Re(Reduce(function(a,b) Im(a) * (1 + b) + Re(a) * 1i,init = x$ind[2] + x$ind[1] * 1i,x$ret[3:nrow(x)],accumulate = TRUE)))
x
}))
id time ret ind
a.1 a 1 0.005543269 120.0000
a.2 a 2 -0.002802719 125.0000
a.3 a 3 0.017751634 122.1302
a.4 a 4 0.001873201 125.2342
a.5 a 5 0.011425261 123.5256
b.6 b 1 0.004155261 120.0000
b.7 b 2 0.012295066 125.0000
b.8 b 3 0.002366797 120.2840
b.9 b 4 -0.003653828 124.5433
b.10 b 5 0.011051443 121.6133
作为一种解决方法，您可以在编辑过的情况下使用以下技巧。 请注意，您可以为任意数量的同步系列更改此设置
- 我刚刚添加了一个额外的 group_by 语句，该语句基于使用
seq(n()) %% 2的所需变量数的模序列
set.seed(13)
dt <- data.frame(id = rep(letters[1:2],each = 5),time = rep(1:5,2),ret = rnorm(10)/100)
dt$ind <- ifelse(dt$time == 1,120,ifelse(dt$time == 2,125,as.numeric(NA)))
library(dplyr,warn.conflicts = F)
dt %>% group_by(id) %>%
group_by(d = seq(n()) %% 2,.add = TRUE) %>%
mutate(ind = cumprod(1 + duplicated(id) * ret)* ind[1])
#> # A tibble: 10 x 5
#> # Groups: id,d [4]
#> id time ret ind d
#> <chr> <int> <dbl> <dbl> <dbl>
#> 1 a 1 0.00554 120 1
#> 2 a 2 -0.00280 125 0
#> 3 a 3 0.0178 122. 1
#> 4 a 4 0.00187 125. 0
#> 5 a 5 0.0114 124. 1
#> 6 b 1 0.00416 120 0
#> 7 b 2 0.0123 125 1
#> 8 b 3 0.00237 120. 0
#> 9 b 4 -0.00365 125. 1
#> 10 b 5 0.0111 122. 0
旧答案：不使用 purrr
library(tidyverse)
set.seed(13)
dt <- data.frame(id = rep(letters[1:2],each = 4),time = rep(1:4,ret = rnorm(8)/100)
dt$ind <- if_else(dt$time == 1,100,as.numeric(NA))
dt
#> id time ret ind
#> 1 a 1 0.005543269 100
#> 2 a 2 -0.002802719 NA
#> 3 a 3 0.017751634 NA
#> 4 a 4 0.001873201 NA
#> 5 b 1 0.011425261 100
#> 6 b 2 0.004155261 NA
#> 7 b 3 0.012295066 NA
#> 8 b 4 0.002366797 NA
dt %>% group_by(id) %>%
mutate(ind = cumprod(1 + duplicated(id) * ret)* ind[1])
#> # A tibble: 8 x 4
#> # Groups: id [2]
#> id time ret ind
#> <chr> <int> <dbl> <dbl>
#> 1 a 1 0.00554 100
#> 2 a 2 -0.00280 99.7
#> 3 a 3 0.0178 101.
#> 4 a 4 0.00187 102.
#> 5 b 1 0.0114 100
#> 6 b 2 0.00416 100.
#> 7 b 3 0.0123 102.
#> 8 b 4 0.00237 102.
由 reprex package (v2.0.0) 于 2021 年 7 月 27 日创建
,Anoushiravan 的建议解决了我的问题。这是满足我所有要求的最终代码：（i）按 id 分组，（ii）按时间条件（此处，时间>=2），（iii）除 100 以外的起始值（此处，ind = 150）：
library(dplyr)
library(purrr)
set.seed(13)
dt <- data.frame(id = rep(letters[1:2],ret = rnorm(8)/100)
dt$ind <- if_else(dt$time == 2,150,as.numeric(NA))
dt
dt_tmp <- dt %>%
group_by(id) %>%
filter(time>=2) %>%
mutate(
ind = accumulate(ret[-1],~ (..2 + 1) * ..1)
)
dt_tmp <- dt_tmp %>% select(id,time,ind)
dt <- dt %>% left_join(dt_tmp,by = c("id","time"))
dt <- rename(dt,ind_orig = ind.x)
dt <- rename(dt,ind = ind.y)
rm(dt_tmp)
最终输出：
编辑：
最后，我使用循环解决了更高延迟的问题（我最初想避免）：
my_projection <- function(index,ret,lag) {
if (length(index) != length(ret)) {
print("error: length of vectors does not match")
break;
}
if (lag < 0) {
print("error: lag < 0")
break;
}
else {
for(i in 1:length(index)){
if (i<=lag){
print(index[i])
}
else {
print(index[i-lag]*(1+ret[i]))
index[i] = index[i-lag]*(1+ret[i])
}
}
}
return(index)
}
dt <- dt %>% group_by(id) %>%
mutate(ind = my_projection(ind,2))
输出：
