对 zoo 对象内的新变量进行变异

Question

我有兴趣在 zoo 对象中计算一些新变量。我喜欢dplyr-mutate-方式，但我不知道如何在zoo 对象内变异。如果我使用transform，我似乎仅限于计算对象内部已经存在的变量。我显然可以在单独的步骤中完成它，但我想在 zoo 对象中我可能忽略了一些方便的工作方式？我查看了this answer，这激发了我的问题，以及this question，但它们都没有解决我的具体问题。

这里有一些代码展示了我想要做什么，

df <- data.frame(dta=paste0("2016-11-", 19:24), a = 3:8, b = 9:14)

# install.packages(c("dplyr"), dependencies = TRUE)  
library(dplyr)
df %>%
   mutate(c = log(a) * log(b),
          dc = c - lag(c, 1)
          )
#          dta a  b        c        dc
# 1 2016-11-19 3  9 2.413898        NA
# 2 2016-11-20 4 10 3.192061 0.7781628
# 3 2016-11-21 5 11 3.859264 0.6672028
# 4 2016-11-22 6 12 4.452355 0.5930915
# 5 2016-11-23 7 13 4.991161 0.5388060
# 6 2016-11-24 8 14 5.487765 0.4966045

# install.packages(c("zoo"), dependencies = TRUE)
library(zoo)
df.z <- read.zoo(df)

# install.packages(c("magrittr"), dependencies = TRUE)  
library(magrittr)
df.z %>% transform(c = log(a) * log(b), dc = c - lag(c, 1))
# Error in x[seq_len(xlen - n)] : 
#   object of type 'builtin' is not subsettable

# the clumsy workaround
df.z.1 <- df.z   %>% transform(c = log(a) * log(b))
df.z.2 <- df.z.1 %>% transform(dc = c - lag(c, 1))
df.z.2
#            a  b        c        dc
# 2016-11-19 3  9 2.413898        NA
# 2016-11-20 4 10 3.192061 0.7781628
# 2016-11-21 5 11 3.859264 0.6672028
# 2016-11-22 6 12 4.452355 0.5930915
# 2016-11-23 7 13 4.991161 0.5388060
# 2016-11-24 8 14 5.487765 0.4966045

Answer 1

您遇到的错误来自正在创建的'c'-column 与错误函数引用的“内置”c-function 之间的歧义。您可以通过这种单行方式获得成功（这介于您对单个转换调用的渴望和您不希望的两步过程之间：

> df.z %>% transform('c' = log(a) * log(b) ) %>% transform(dc = c - lag(c, 1))
           a  b        c        dc
2016-11-19 3  9 2.413898        NA
2016-11-20 4 10 3.192061 0.7781628
2016-11-21 5 11 3.859264 0.6672028
2016-11-22 6 12 4.452355 0.5930915
2016-11-23 7 13 4.991161 0.5388060
2016-11-24 8 14 5.487765 0.4966045

实验表明，第一次“转换”的结果无法在第一次转换调用中进一步使用。我也尝试在 zoo 对象和 transform 调用之间滑动对 ... %>% coredata ... 的调用，但显然也没有对矩阵对象进行变异的方法。这可行，但似乎倒退了一步：

df.z %>% coredata %>% as.data.frame %>% 
                        mutate('c' = log(a) * log(b), dc = c- lag(c,1)  )