r - 将原始数据帧转换为可行的时间序列

Question

我有一个电子表格，其中记录了 40 种类似产品在不同日期的价格。看起来像这样。

date_1<-seq(as.Date("2010-01-01"), as.Date("2011-01-01"), length.out = 40)
date_2<-seq(as.Date("2011-01-01"), as.Date("2012-01-01"), length.out = 40)
date_3<-seq(as.Date("2012-01-01"), as.Date("2013-01-01"), length.out = 40)
date_4<-seq(as.Date("2013-01-01"), as.Date("2014-01-01"), length.out = 40)
date_5<-seq(as.Date("2014-01-01"), as.Date("2015-01-01"), length.out = 40)
date_6<-seq(as.Date("2015-01-01"), as.Date("2016-01-01"), length.out = 40)

price_1<-floor(seq(20, 50, length.out = 40))
price_2<-floor(seq(20, 60, length.out = 40))
price_3<-floor(seq(20, 70, length.out = 40))
price_4<-floor(seq(30, 80, length.out = 40))
price_5<-floor(seq(40, 100, length.out = 40))
price_6<-floor(seq(50, 130, length.out = 40))

data.frame(date_1,price_1,date_2,price_2,date_3,price_3,date_4,price_4,date_5,price_5,date_6,price_6)

问题是，代表日期和价格的列交替出现(便于记录保存)。我如何将上述数据转换为一个新的数据框，该数据框仅包含这 40 种产品的价格作为行，日期作为列名？这将生成很多 NA，因为每列中的日期不同，但没关系。

Answer 1

在处理时间序列数据时，即使您的目标输出很宽(每个时间序列一行)，使用长格式(每个观察一行)通常很有帮助。这里有三种可能的方法来将它变成长格式，然后加宽:

1。基础 reshape()

要获得长格式，base reshape 绝对是一个强大的选择。以下解决方案改进了公认的解决方案，因为它适用于任意数量的产品和观察结果，并消除了不必要的步骤:

df <- data.frame(date_1,price_1,date_2,price_2,date_3,price_3,
                 date_4,price_4,date_5,price_5,date_6,price_6)

# no need to create an id variable
long_form <- reshape(df, # idvar="id" by default
                     varying = list(grep('date_',names(df), value=TRUE), 
                                    grep('price_',names(df), value=TRUE) ),
                     v.names=c("date","price"),
                     direction="long",
                     sep="_")

而reshape也可以加宽。 (我们将在下面的另一种方法中使用 spread。)

wide_form <- reshape(long_form, drop='time', timevar='date', direction='wide')  

2。 data.table melt() 和 dcast()(在真实数据集上可能更快)

确保您有 data.table v1.9.6 或更高版本，它允许您熔化多列。

library(data.table)
setDT(df)
melt.data.table(df[, prod_id := .I], # product id = original row number
                measure.vars = list(grep('date_',names(df), value=TRUE), 
                                    grep('price_',names(df), value=TRUE) ),
                variable.name = 'sequence',
                value.name = c('date','price'),
                id.vars = 'prod_id') -> long_form

在这种情况下你不使用序列，所以要获得宽形式就是:

dcast.data.table(long_form[, !'sequence', with=FALSE], 
                 value.var = 'price', # optional (function guesses correctly)
                 prod_id ~  date) -> wide_form

3。 tidyr & dplyr split-apply-combine(简单易懂)

它不需要reshape 那样的心理训练(至少对我而言)。它是“拆分-应用-组合”范式的按列变体。

library(dplyr); library(tidyr)

# Create long-form time series data
# Split table into sequenced prices and dates, then combine on product and sequence
full_join(
  df %>%
    select(starts_with('date_')) %>%      #~~~~ Left side = date component ~~~~~~~~
    mutate(prod_id = 1:nrow(df)) %>%      #~ product id = original row number     ~
    gather(sequence, date, -prod_id) %>%  #~ long form = 1 row per prod per seq   ~
    mutate(sequence =                     #~~~ Cols: product_id, sequence, date ~~~ 
            sub('^date_(\\d+)$', '\\1', sequence) )  ,   
  df %>%
    select(starts_with('price_')) %>%     #~~~ Right side = price component ~~~~~~~
    mutate(prod_id = 1:nrow(df)) %>%      #~                                      ~
    gather(sequence, price, -prod_id) %>% #~        same idea                     ~
    mutate(sequence =                     #~~ Cols: product_id, sequence, price ~~~
             sub('^price_(\\d+)$', '\\1', sequence) ) 
) -> long_form

在这种情况下你不需要序列，所以要得到宽形式它很简单:

long_form %>% select(-sequence) %>% spread(date, price) -> wide_form

正如上面其他人所指出的。