时间戳

首页 > 解决方案 > 计算前 6 个数据点的平均值

r - 计算前 6 个数据点的平均值

问题描述

我有一个包含日期、唯一公司名称及其股票回报的数据表，看起来有点像这样：

require(data.table)

DATE <- c("Jan", "Feb", "Mar", "Apr", "May", "Jun", "Jul", "Aug", "Sep", "Oct", "Nov", "Dec")
COMP <- c(replicate(60, "AAPL"), replicate(60, "INTL"), replicate(60, "GOOGL"), replicate(60, "MSFT"))
RET <- rnorm(240)
test1 <- data.table(DATE, COMP, RET)

现在我要计算每个数据点之前的平均 6 个同月日历回报。例如，对于 1990 年 1 月的 AAPL 股票收益，我希望在 Jan90 收益旁边的新列中获得 Jan89、Jan 88、...和 ​​Jan84 收益的平均值。我试图习惯跳过行，但现在我有点卡住了。这是我用来玩这个机制的代码：

test1$new1 <- test1$RET[seq.int(from = 1L, to = 20L, by = 6L)]
test1$new2 <- test1$RET[seq.int(from = -20L, to = 0L, by = 6L)]
n = 6
test1$new3 <- rowMeans(test1[seq(from = 1, to = nrow(test1), by = n),])

有谁知道，如何做到这一点？

原因，为什么它与其他问题不同：这里的关键点是只取以前的值，同时只考虑某家公司。此外，它应该只是作为新列添加。

PS：我不致力于数据表，到目前为止我只是很喜欢这个包。

标签： rdatatable

解决方案

调整重复问题中已接受的答案以使其具有功能是一个问题。
然后，首先将输入数据集拆分为，计算均值并使用package"COMP"中的函数将所有内容组合回一个数据集。bind_rowsdplyr

library(dplyr)

fun <- function(DF, col = "RET", n = 6){
  aggregate(DF[[col]], list(rep(1:(nrow(test1)%/%n + 1), each = n, len = nrow(DF))), mean)
}

sp <- split(test1, test1$COMP)
res <- lapply(sp, fun)
res <- bind_rows(res, .id = "id")

推荐阅读