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，所以请原谅我可能不好意思问的另一个问题。在 另一个问题< /a> 我在 stackoverflow 上询问，我得到了一些非常有用的评论，关于如何将 xts 对象的不规则每日数据聚合为每周值 apply.weekly() 函数。不幸的是，我没有找到像 tapply()、ddply()、by() 或 aggregate() 这样的函数code> 允许按类别进行拆分，与 apply.weekly() 函数一起使用。

我的数据

这是我的示例数据集。我已经在另一个问题中发帖了。出于说明目的，我冒昧地将其也发布在这里：

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","re​​v_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

“land”、“nace”

分别是具有 16 个和 8 个独特因素的类别。

我的目标 我的目标是每周计算“nace”和“land”中类别因素的每个组合中“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），然后应用类似的内容：

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

但这不适用于 ddply，< code>aggregate、by 等

我的目标

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

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

，我当然必须对上面显示的二十个问题中的每个问题都这样做。然后我得到 ie 例如_1:

week1, nace1.land1, nace1.land2, nace1.land3, ..., nace1.land16, nace2.land1,..,nace8.land16 周2，nace1.land1，nace1.land2，nace1.land3，...，nace1.land16，nace2.land1，..，nace8.land16 ... ... weekn, 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 16*8*3*20=7680 列。这种极端情况以及使用这种方法的产品不是时间序列，因此不能按周正确排序。

总结

那么任何人都可以教我或给我一个提示如何将函数 apply.weekly() 与诸如 tapply() 之类的函数结合使用code>、ddply()、by()、split()、unstack() 等或任何其他实现如上所述分组的方法。每一个提示都非常感谢。我很沮丧，已经考虑放弃我的 R 实验并改回 stata，其中很多事情都通过 collapse() 和 by() 等更加直观。但请不要误解我的意思：我很想学习，所以请帮助我！

Answer 1

非常感谢您的帮助。与此同时，我正忙着处理其他事情，但现在我又开始解决我的问题了，在您精彩评论的帮助下，我找到了解决方案：

我放弃了直接处理时间序列，将这一步推迟到我的分析。因此，我采用日期向量并将其转换为周：

library(ISOweek)
d$index <- ISOweek(d$date)

（我使用 ISOweek 执行此操作，因为我使用的是 Windows）

，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[ 的每个组合的调查中肯定答案的数量（用 1 编码） [22]]。在同一步骤中，整个事情被转换成一个数据框：

groupweeksums <- function(x,t){as.data.frame(tapply((x==1)*1,list(t[[23]]) ,t[[21]],t[[22]]), function(d)sum(d,na.rm=TRUE)))}

==>x 代表特定列，t 代表数据框 (我不知道怎么办否则，因为在某一时刻我必须在数据帧的另一个位置处理一列，并且我想避免大量打字）；如果 d 是数据框，则：

df <- groupweeksums(d,d)

为了使我不必对所有 20 个问题重复此过程，请使用 lapply：

df <- as.data.frame( lapply(df[,1:20],function(d)groupweeksums(d,euwifo)))

这给了我一个漂亮的数据框，其中包含我进一步分析所需的一切。感谢您的帮助，有了您有用的评论，我离解决方案越来越近了！

PS 我还将将此答案发布到我在 stackoverflow 上发布的与此相关的另一个问题。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“周”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，您可以使用 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)：仅当所有日期都在同一日历年内时才有效。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 - 它还可以更轻松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" )