R：结合 apply.weekly() 按类别对数据集进行分组/拆分

Question

简介

我还不是 R 专家，所以请原谅我可能应该不好意思问的另一个问题。在another question，我在stackoverflow 上询问了一些关于如何将xts 对象的不规则每日数据聚合为每周值的非常有用的cmets apply.weekly() 函数。不幸的是，我没有找到像 tapply()、ddply()、by() 或 aggregate() 这样的函数，它允许按与 apply.weekly() 函数一起使用的类别进行拆分。

我的数据

这是我的示例数据集。我已经在另一个问题中发布了。出于说明目的，我也冒昧地在此处发布：

example <- as.data.frame(structure(c(" 1", " 2", " 1", " 2", " 1", " 1", " 2", " 1", " 2", 
" 1", " 2", " 3", " 1", " 1", " 2", " 2", " 3", " 1", " 2", " 2", 
" 1", " 2", " 1", " 1", " 2", NA, " 2", NA, NA, " 1", " 3", " 1", 
" 3", " 3", " 2", " 3", " 3", " 3", " 2", " 2", " 2", " 3", " 3", 
" 3", " 2", " 2", " 3", " 3", " 3", " 3", " 1", " 2", " 1", " 2", 
" 2", " 1", " 2", " 1", " 2", " 2", " 2", " 3", " 1", " 1", " 2", 
" 2", " 3", " 3", " 2", " 2", " 1", " 2", " 1", " 1", " 2", NA, 
" 2", NA, NA, " 1", " 3", " 2", " 3", " 2", " 0", " 3", " 3", 
" 3", " 2", " 0", " 2", " 3", " 3", " 3", " 0", " 2", " 2", " 3", 
" 3", " 0", "12", " 5", " 9", "14", " 5", "tra", "tra", "man", 
"inf", "agc", "07-2011", "07-2011", "07-2011", "07-2011", "07-2011" 
), .indexCLASS = c("POSIXlt", "POSIXt"), .indexTZ = "", class = c("xts", 
"zoo"), .indexFORMAT = "%U-%Y", index = structure(c(1297642226, 
1297672737, 1297741204, 1297748893, 1297749513), tzone = "", tclass = c("POSIXlt", 
"POSIXt")), .Dim = c(5L, 23L), .Dimnames = list(NULL, c("rev_sit", 
"prof_sit", "emp_nr_sit", "inv_sit", "ord_home_sit", "ord_abr_sit", 
"emp_cost_sit", "usage_cost_sit", "tax_cost_sit", "gov_cost_sit", 
"rev_exp", "prof_exp", "emp_nr_exp", "inv_exp", "ord_home_exp", 
"ord_abr_exp", "emp_cost_exp", "usage_cost_exp", "tax_cost_exp", 
"gov_cost_exp", "land", "nace", "index"))))

列

“rev_sit”、“prof_sit”、“emp_nr_sit”、“inv_sit”、“ord_home_sit”、“ord_abr_sit”、“emp_cost_sit”、“usage_cost_sit”、“tax_cost_sit”、“gov_cost_sit”、“rev_exp”、 “prof_exp”、“emp_nr_exp”、“inv_exp”、“ord_home_exp”、“ord_abr_exp”、“emp_cost_exp”、“usage_cost_exp”、“tax_cost_exp”、“gov_cost_exp”、

参考调查中的问题。有“1”、“2”、“3”三种回答可能性代码。

列

“土地”、“nace”

分别是具有 16 个和 8 个独特因素的类别。

我的目标 我的目标是为“nace”和“land”中的类别因素的每个组合每周计算“1”、“2”和“3”的出现次数。我的想法是预先为每个回答可能性 {1,2,3} 创建二进制向量（example_1,example_2,example_2），然后应用类似：

apply.weekly(example_1, function(d){ddply(d,list(example$nace,example$land),sum)})

但这不适用于ddply、aggregate、by 等。

我的目标

我最初的非专业工作不是创建时间序列，而是创建一个日期向量example$date，通过%V 将给定的时间列编码为每周一次，然后使用即：

tapply(example_1[,5], list(example$date,example$nace,example$land),sum)

当然，对于上面显示的 20 个问题中的每一个，我都必须这样做。然后我得到例如example_1：

第 1 周，nace1.land1，nace1.land2，nace1.land3，...，nace1.land16，nace2.land1，..，nace8.land16 第 2 周，nace1.land1，nace1.land2，nace1.land3，...，nace1.land16，nace2.land1，...，nace8.land16 ... ... 周，nace1.land1，nace1.land2，nace1.land3，...，nace1.land16，nace2.land1，..，nace8.land16

我必须对 2 (example_2) 和 3 (example_3) 做同样的事情，这对于 20 个问题中的每一个问题都会产生所有 16*8*3*20=7680 列。这种极端情况，另外使用这种方法，产品不是时间序列，因此不能按周正确排序。

总结

所以任何人都可以教我或给我一个提示如何将函数 apply.weekly() 与 tapply()、ddply()、by()、split()、unstack() 等函数结合使用，或者任何其他方法来实现如上所述的分组。每一个提示都非常感谢。我已经在考虑放弃我的 R 实验并改回 stata 时感到很沮丧所以请帮助我！

Answer 1

非常感谢您的帮助。与此同时，我正忙于其他一些事情，但现在我又开始解决我的问题了，在你们伟大的 cmets 的帮助下，我找到了解决方案：

我放弃了直接使用时间序列，将这一步推迟到我的分析结束。因此我采用日期向量并将其转换为周：

图书馆(ISOweek) d$index

（因为我使用的是 Windows，所以我使用 ISOweek 执行此操作）

然后我使用tapply 和lapply 的组合。以下函数计算每个日历周 (d$index = t[[22]]) 以及两个分类列 t[[21]]、t[ [22]]。在同一步骤中，整个事物都被转换为一个数据框：

groupweeksums

==>x 代表特定列，t 代表数据框（否则我不知道该怎么做，因为有时我必须在数据框的另一处处理一列，我想避免大量打字）；如果 d 是数据框，则：

df

为了我不必对所有 20 个问题重复此过程，请使用 lapply：

df

这为我提供了一个漂亮的数据框，其中包含我进一步分析所需的一切。感谢您的帮助，在您的帮助下，我离解决方案越来越近了！！！

附：我还将这个答案发布到我在 stackoverflow 上发布的另一个问题，该问题与这个问题相关。我希望这没有问题或违反这里的任何规则。

Answer 2

我会按照您的建议添加一个“星期”列，但在处理之前将数据转换为高格式 - 如果需要，您可以在之后将其转换回时间序列。

library(reshape2)
d <- melt(example, id.vars=c("land", "nace", "index"))
# You apparently want one of the followings
dcast( d, land + nace + index ~ value, length )
dcast( d, land + nace + index + variable ~ value, length )
dcast( d, land + nace + index ~ variable + value, length )

同样，你可以使用ddply:

library(plyr)
d <- melt(example, id.vars=c("land", "nace", "index"))
ddply( d, 
  c("land", "nace", "index", "value"), 
  summarize, 
  number=length(value)  # The argument "value" does not play any role
)

您的 index 列包含当年的周数 (%Y-%U)：这仅在所有日期都在同一日历年内有效。使用实际日期而不是周数可能更安全，例如，本周开始时的星期日 - 它还可以更容易地将结果转换为时间序列。

week_start <- function(u) as.Date(u) - as.numeric(format(u, "%u"))
example$index <- weekstart( as.POSIXct(rownames(example)) )
# The following may also work.
example$index <- format( as.POSIXct(rownames(example)), "%G-%V" )