r - tidyr 中的 spread() 函数

Question

我有一个股票价格的 CRSP 列表如下

    PERMNO  date        TICKER  RETX
1   10138   2007-01-03  TROW    0.045236
2   10138   2007-01-04  TROW    0.008743
3   10138   2007-01-05  TROW    -0.001950
4   10138   2007-01-08  TROW    0.018237
5   10138   2007-01-09  TROW    0.004051
6   10138   2007-01-10  TROW    0.005734
7   10138   2007-01-11  TROW    0.019637
8   10138   2007-01-12  TROW    0.005591
...
1   10145   2007-01-03  HON -0.003095
2   10145   2007-01-04  HON -0.000443
3   10145   2007-01-05  HON -0.009539
4   10145   2007-01-08  HON 0.006047
5   10145   2007-01-09  HON 0.007124
6   10145   2007-01-10  HON -0.006189
7   10145   2007-01-11  HON 0.016681
8   10145   2007-01-12  HON -0.003282
9   10145   2007-01-16  HON 0.001317
10  10145   2007-01-17  HON -0.001754
11  10145   2007-01-18  HON -0.010979
...

一旦我使用 tidyr::spread(x,TICKER,RETX)，它就会返回一个矩阵，其中大部分值为 NA。是否有任何其他功能可以重新排列矩阵，将每个股票价格列在一列中？或者如何通过几行来实现？

更新:我发现是 PERMNO 列导致了问题。在我去掉 PERMNO 列后，另一个问题出现了:

> spread(A1[,2:4],TICKER,RETX)
Error: Duplicate identifiers for rows (129717, 143815), (129718, 143816), ...

所以，我只是随机选择消息中提到的两行

       PERMNO       date TICKER     RETX
129717  75104 2007-01-03    CBS 0.012172
> A1[143815,]
       PERMNO       date TICKER    RETX
143815  76226 2007-01-03    CBS 0.01347

原来数据集很脏，它包含重复的系列。更好的解决方案是使用 PERMNO 作为 key 。这是我得到的

    date        10225       10516       10909       ...
1   2007-01-03  0.005738    0.003129    -0.006593   ...
2   2007-01-04  -0.011062   -0.005615   0.028761    ...
3   2007-01-05  0.000824    -0.001568   -0.022366   ...
4   2007-01-08  -0.005059   0.005027    -0.003520   ...
5   2007-01-09  0.002956    -0.024383   0.000883    ...
6   2007-01-10  -0.003301   -0.008651   -0.010587   ...
...

这很令人沮丧，但我终于得到了一些东西。无论如何用匹配的 TICKER 替换数字列名称。这是一个演示

    PERMNO  date        FO          HON        ...
1   10225   2007-01-03  0.005738    -0.003095  ...
2   10225   2007-01-04  -0.011062   -0.000443  ...
3   10225   2007-01-05  0.000824    -0.009539  ...
4   10225   2007-01-08  -0.005059   0.006047   ...
5   10225   2007-01-09  0.002956    0.007124   ...
6   10225   2007-01-10  -0.003301   -0.006189  ...
7   10225   2007-01-11  0.007925    0.016681   ...
8   10225   2007-01-12  -0.010914   -0.003282  ...

Answer 1

如果您在某些地方有重复数据，您首先需要删除这些值，否则，如果您使用 tidyr::spread，它将用长度替换值。无论如何，假设您已经使用 unique 或类似的东西删除了重复项，这就是我使用 tidyr 的方法，因为这就是您的要求，而且 tidyr 非常漂亮和简洁:

 A1 <- spread(A1[, c("date", "TICKER", "RETX")], TICKER, RETX)

如果您包含 PERMNO，您将在 TICKER 的特定值在 PERMNO 中没有匹配值的每一行得到 NA >。