【发布时间】:2015-04-09 07:42:14
【问题描述】:
我有一堆唯一的 cusip 代码(唯一 ID),需要检查以确保上个月有 24-60 次观察,但不知道如何使用 dplyr 进行检查
可重现的例子:
tdata <- structure(list(cusip = c(2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2,
2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2,
2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2,
2, 2, 2, 2, 2, 2), fyear = c("1971", "1971", "1971", "1971",
"1971", "1971", "1971", "1971", "1971", "1971", "1971", "1971",
"1972", "1972", "1972", "1972", "1972", "1972", "1972", "1972",
"1972", "1972", "1972", "1972", "1972", "1973", "1973", "1973",
"1973", "1973", "1973", "1973", "1973", "1973", "1973", "1973",
"1973", "1974", "1974", "1974", "1974", "1974", "1974", "1974",
"1974", "1974", "1974", "1974", "1974", "1975", "1975", "1975",
"1975", "1975", "1975", "1975", "1975", "1975", "1975", "1975"
), datadate = c(19711231L, 19710129L, 19710226L, 19710331L, 19710430L,
19710528L, 19710630L, 19710730L, 19710831L, 19710930L, 19711029L,
19711130L, 19721231L, 19720131L, 19720229L, 19720330L, 19720428L,
19720531L, 19720630L, 19720731L, 19720831L, 19720929L, 19721031L,
19721130L, 19721229L, 19731231L, 19730131L, 19730228L, 19730330L,
19730430L, 19730531L, 19730629L, 19730731L, 19730831L, 19730928L,
19731031L, 19731130L, 19741231L, 19740131L, 19740228L, 19740329L,
19740430L, 19740531L, 19740628L, 19740731L, 19740830L, 19740930L,
19741031L, 19741129L, 19751231L, 19750131L, 19750228L, 19750331L,
19750430L, 19750530L, 19750630L, 19750731L, 19750829L, 19750930L,
19751031L)), .Names = c("cusip", "fyear", "datadate"), class = c("grouped_df",
"tbl_df", "tbl", "data.frame"), row.names = c(NA, -60L), vars = list(
cusip, fyear), drop = TRUE, indices = list(0:11, 12:24, 25:36,
37:48, 49:59), group_sizes = c(12L, 13L, 12L, 12L, 11L), biggest_group_size = 13L, labels = structure(list(
cusip = c(2, 2, 2, 2, 2), fyear = c("1971", "1972", "1973",
"1974", "1975")), class = "data.frame", row.names = c(NA,
-5L), .Names = c("cusip", "fyear"), vars = list(cusip, fyear)))
逻辑
我正在考虑检查每年的总月数,但不知道提取前几个月来检查 24/60 >= 0.4。我将如何编辑此代码以检查前 60 个月并确保至少有 24 个月,包括....
tdata %>%
group_by(cusip, fyear) %>%
mutate(month = substr(datadate, 5, 6) %>%
mutate(pre_countmonths = length(unique(month))
编辑 04/07/2015 :
这是我使用 for 循环所遵循的逻辑。我在使用 R 时遇到的挑战之一是在 for 循环之外进行分支。任何可能的方法来编辑这个可以使用dplyr 而不是for 循环?使用我当前的数据运行这将花费很长时间。
for(i in min(tdata$cusip):max(tdata$cusip)){
for (j in min(tdata$fyear):max(tdata$fyear) {
monthcheck <- filter(tdata, cusip == i & (fyear == j-1 | fyear == j-2 | fyear == j-3 | fyear == j-4))
if(length(monthcheck$month) / 40 >= 0.4) if(any(tdata$fyear == j)) tdata$check <- 1
}}
编辑:04/08/2015 - 添加了包含主要变量的完整示例数据集
小子集:https://www.dropbox.com/s/mf0o0tbgbame6k8/testdata.csv?dl=0
【问题讨论】:
-
您想知道是否有超过 24 个先前的数据点从每个 cusip 的最后一次观察开始计数。对吗?
-
@jazzurro 对于每个 cusip 和年份...此数据集从 7 月开始,因此它应该反映从 6 月开始的前两年...。
-
这是否意味着您想知道在此示例中从 1975-07-31 倒数的数据点是否超过 24 个?
-
是的,但它需要是几个月,而不是观察,因为个别公司可能不是每个月都报告,应该删除那些因为我需要连续报告 24-60 个月