问题描述
这个问题是我上一篇文章 (How to calculate moving average for two years in r) 的衍生问题。
df 有四列:date(并购完成的时间)、target_nation(合并/收购哪个国家的公司)、acquiror_nation(收购方是哪个国家的公司)和 big_corp_TF(收购方是否是大公司,TRUE 表示公司是大公司)。这是我的数据示例:
df['min'] = df.histo[(df.histo.shift(1) > df.histo) & (df.histo.shift(-1) > df.histo)]
df['max'] = df.histo[(df.histo.shift(1) < df.histo) & (df.histo.shift(-1) < df.histo)]
注意: 2003 年法国没有行;并且没有 2005 年。
根据这些数据,我想创建一个新变量,表示特定收购国的大公司进行的并购份额,计算 2 年的平均值。(对于我的实际练习,我将计算 5 年的平均值,但让我们在这里简化一下)。所以法国的大公司会有一个新的变量,德国的大公司也会有一个新的变量。
有人建议我使用以下代码:
> df <- structure(list(date = c(2000L,2000L,2001L,2002L,2003L,2004L,2006L,2006L
),target_nation = c("Uganda","Uganda","Uganda"),acquiror_nation = c("France","Germany","France","France"),big_corp_TF = c(TRUE,FALSE,TRUE,TRUE)),row.names = c(NA,-15L))
> df
date target_nation acquiror_nation big_corp_TF
1: 2000 Uganda France TRUE
2: 2000 Uganda Germany FALSE
3: 2001 Uganda France TRUE
4: 2001 Uganda France FALSE
5: 2001 Uganda Germany FALSE
6: 2002 Uganda France TRUE
7: 2002 Uganda France TRUE
8: 2002 Uganda Germany TRUE
9: 2003 Uganda Germany TRUE
10: 2003 Uganda Germany FALSE
11: 2004 Uganda France TRUE
12: 2004 Uganda France FALSE
13: 2004 Uganda Germany TRUE
14: 2006 Uganda France TRUE
15: 2006 Uganda France TRUE
library(runner)
library(tidyverse)
df <- df %>% as.data.frame()
param <- 'France'
df %>%
group_by(date,target_nation) %>%
mutate(n1 = n()) %>%
group_by(date,target_nation,acquiror_nation) %>%
summarise(n1 = mean(n1),n2 = sum(big_corp_TF),.groups = 'drop') %>%
filter(acquiror_nation == param) %>%
mutate(share = sum_run(n2,k=2)/sum_run(n1,k=2))
注意:法国没有 2003 年和 2005 年的结果;我希望有 2003 年和 2005 年的结果(因为我们正在计算 2 年的平均值,因此我们应该能够得到 2003 年和 2005 年的结果)。另外,2006年的份额实际上是不正确的,因为它应该是1(它应该取2005年的值(0s)而不是2004年的值来计算平均值)。
我希望能够收到以下小标题:
date target_nation acquiror_nation n1 n2 share
<int> <chr> <chr> <dbl> <int> <dbl>
1 2000 Uganda France 2 1 0.5
2 2001 Uganda France 3 1 0.4
3 2002 Uganda France 3 2 0.5
4 2004 Uganda France 3 1 0.5
5 2006 Uganda France 2 2 0.6
注意:请注意,2006 年的结果也不同(因为我们现在采用 2005 年而不是 2004 年的两年平均值)。
我知道这是原始数据的问题:它只是缺少某些数据点。但是,将它们包含到原始数据集中似乎非常不方便;最好将它们包含在中途,例如在数完 n1 和 n2 之后。但最方便的方法是什么?
非常感谢任何建议。
解决方法
使用 <h:commandLink value="login" action="login"/>
及其参数 tidyr::complete
和 nesting
。可以使用的完整代码。
fill
,
df2 = df %>%
group_by(date,target_nation) %>%
mutate(n1 = n()) %>%
group_by(date,target_nation,acquiror_nation) %>%
summarise(n1 = mean(n1),n2 = sum(big_corp_TF),.groups = 'drop') %>%
filter(acquiror_nation == param)
dates = seq(min(df2$date),max(df2$date),by = 1)
dates = setdiff(dates,df2$date)
df3 = df2[rep(nrow(df2),each = length(dates)),]
df3$n1 = 0; df3$n2 = 0; df3$date = dates
df2 = arrange(rbind(df2,df3),date)
df2 = df2 %>% mutate(share = sum_run(n2,k=2)/sum_run(n1,k=2))
df2
# A tibble: 7 x 6
date target_nation acquiror_nation n1 n2 share
<dbl> <fct> <fct> <dbl> <dbl> <dbl>
1 2000 Uganda France 2 1 0.5
2 2001 Uganda France 3 1 0.4
3 2002 Uganda France 3 2 0.5
4 2003 Uganda France 0 0 0.667
5 2004 Uganda France 3 1 0.333
6 2005 Uganda France 0 0 0.333
7 2006 Uganda France 2 2 1
说明
首先,根据您的 df2
创建 df
,但不计算 share
。创建从最小值到最大值的日期序列:
dates = seq(min(df2$date),by = 1)
只留下 df2
中缺少的那些:
dates = setdiff(dates,df2$date)
为每个缺失的日期创建一行并将 n1
和 n2
设置为 0:
df3 = df2[rep(nrow(df2),]
df3$n1 = 0; df3$n2 = 0; df3$date = dates
合并行并按日期排序:
df2 = arrange(rbind(df2,date)
最后计算share
:
df2 = df2 %>% mutate(share = sum_run(n2,k=2))
很抱歉这不符合 tidyverse 语法