如何根据特定列条件添加行值？答案

【问题标题】：How to add row values based on specific column conditions?如何根据特定列条件添加行值？
【发布时间】：2021-04-29 21:25:45
【问题描述】：

我有一个数据框 X，其中包含 20 只不同的股票，观察它们各自 10 年的每日回报。数据框 X 如下所示：

Stock	Date	Return
BKR	01.02.2002	2%
BKR	02.02.2002	-1%
BKR	03.02.2002	1%
BKR	04.02.2002	2.5%
BKR	05.02.2002	-3%
BKR	01.03.2002	2%
BKR	02.03.2002	1%
BKR	03.03.2002	-2%

我希望将这些每日收益转换为季度收益，从而增加 3 个月的每日收益（因为这些是连续收益，它们是相加的）。条件应该是库存相同（示例仅显示 BKR 和 USP，但我有 20 个不同的）。换句话说，我希望数据框 Y 看起来像这样：

Stock	Quarter	Return
BKR	01.2002	4%
BKR	02.2002	-15%
BKR	03.2002	11%
BKR	04.2002	2%
BKR	01.2003	-31%
BKR	02.2003	21%
BKR	03.2003	12%
BKR	04.2003	-2%
USP	01.2002	1%
USP	02.2002	-13%
USP	03.2002	12%
USP	04.2002	8%
USP	01.2003	-13%
USP	02.2003	2%
USP	03.2003	14%
USP	04.2003	-3%

【问题讨论】：

您确定这些百分比是累加的吗？考虑股票 X；起价 100 美元。第 1 天上涨 10%，现在为 110 美元。第 2 天它损失了 10%，现在是 99 美元。这不是 0%，正如简单添加百分比所暗示的那样。如果我错了或误解了您的问题，请纠正我。
当我使用 ln(y/y-1) 计算连续回报时，回报是相加的。您可以尝试使用您提供的数字执行操作：ln(110/100) + ln(99/110) = ln(99/100)

标签： r

【解决方案1】：

考虑使用lubridate 和dplyr 的以下解决方案：

#make a sample dataframe
x <- data.frame(Stock = c(rep('BKR',12), rep('TMP',12)),
                Date = c('01.01.2002','01.02.2002','01.03.2002','01.04.2002','01.05.2002','01.06.2002','01.07.2002','01.08.2002','01.09.2002','01.10.2002','01.11.2002','01.12.2002','01.01.2003','01.02.2003','01.03.2003','01.04.2003','01.05.2003','01.06.2003','01.07.2003','01.08.2003','01.09.2003','01.10.2003','01.11.2003','01.12.2003'),
                Return = c("2%","-4%","6%","1.2%","-1%","-1%","1%","2%","3%","8%","-3%","2%","12%","-8%","7%","13%","-24%","-1%","5%","6%","3%","2%","-3%","8%"))
x$Return <-  as.numeric(sub("%", "", x$Return, fixed=TRUE))/100
x$Date <- as.Date(x$Date, format='%d.%m.%Y')

#summarise the data
result <- x %>%
  group_by(quarter(Date, with_year = T), Stock) %>%
  summarize(year = year(Date), 
            quarter = quarter(Date),
            additive_return = sum(Return), 
            .groups = 'drop') %>% 
  unique() %>% 
  select(-`quarter(Date, with_year = T)`) %>% 
  mutate(additive_return = paste0(formatC(additive_return * 100, format = "f", digits = 2, ), "%"))

你会得到以下输出：

> result
# A tibble: 8 x 4
  Stock  year quarter additive_return
  <chr> <dbl>   <int> <chr>          
1 BKR    2002       1 4.00%          
2 BKR    2002       2 -0.80%         
3 BKR    2002       3 6.00%          
4 BKR    2002       4 7.00%          
5 TMP    2003       1 11.00%         
6 TMP    2003       2 -12.00%        
7 TMP    2003       3 14.00%         
8 TMP    2003       4 7.00%

【讨论】：

【解决方案2】：

使用dplyr，您可以先mutate日期，以便它们仅按年和月区分，然后group_byStock和Date，最后计算总和Returns组：

library(dplyr)
df %>%
  mutate(Date = sub("(\\d{4})-(\\d{2}).*", "\\2.\\1", Date)) %>%
  group_by(Stock, Date) %>%
  summarise(Return = sum(as.numeric(sub("%", "", Return))))
# A tibble: 2 x 3
# Groups:   Stock [2]
  Stock Date    Return
  <chr> <chr>    <dbl>
1 A     01.2000    6.5
2 B     02.2000    2.3

数据：

df <- data.frame(
  Stock = c(rep("A",3), rep("B",3)),
  Date = c(seq(as.Date("2000-1-1"), as.Date("2000-1-3"), "days"),
           seq(as.Date("2000-2-1"), as.Date("2000-2-3"), "days")),
  Return = c("4%", "-1%", "3.5", "2%", "4%", "-3.7%")
)

【讨论】：

【解决方案3】：

首先将Return col 转换为数字：

df$Date = as.Date(df$Date, "%d.%m.%y")
df$Q = quarters(df$Date)
aggregate(Return~Stock + Q, df, sum)

Stock  Q     Return
BKR    Q1    2.5

【讨论】：