在r中按子类别和运行函数进行筛选

我有这样的数据：

  Ind_name Co_Name Year EPS BPS
1        A       X 2001  10  11
2        A       X 2002  12  12
3        A       X 2003  15  15
4        A       Y 2001  10  18
5        A       Y 2002  16  25
6        A       Y 2003  20  26
7        B       Z 2001  14  36
8        B       Z 2002  16   9
9        B       Z 2003  20  10

同样，在我的数据集中，有50个行业，每个行业有15家公司，每个公司有20年的数据

我想要以下东西： 1.过滤特定行业特定年份所有公司的数据。例如

    Ind_name Co_Name Year EPS BPS
1        A       X 2001  10  11
4        A       Y 2001  10  18

之后，我需要计算相关系数，以及每股收益和每股收益之间的回归（斜率）β

我想要这样的输出：

Ind_name   Year   Correlation    Beta
 A          2001    .55 #assume   1.2 #assume
 A          2002    .85 #assume   0.2 #assume 
 A          2003    .65 #assume   .65 #assume

你能告诉我如何做到这一点吗

注：相关和回归斜率的计算如下：

cor(EPS,BPS)  #corrleation
summary(lm(mydata$EPS~mydata$BPS))$coefficients[2] #directly give beta

---

试用

dplyr

软件包：

library("dplyr")

df %>% 
    group_by(Ind_name, Year) %>% 
    summarise(Mean=mean(EPS),
              Median=median(EPS),
              Variance=var(EPS))

---

试用

dplyr

软件包：

library("dplyr")

df %>% 
    group_by(Ind_name, Year) %>% 
    summarise(Mean=mean(EPS),
              Median=median(EPS),
              Variance=var(EPS))

---

我们可以使用

data.table

library(data.table)
setDT(df1)[,list(Mean = mean(EPS), Variance = var(EPS)) ,
                                     by =  .(Ind_name, Year)]

---

更新 （只是发布我之前的评论）。我们将'data.frame'转换为'data.table'（

setDT（df1）

），按'Ind_name'、'Year'分组，得到'EPS'、'BPS'的

cor

，以及基于这些列的

lm

的

coef

，然后将'Ind_name'子集化为“A”值

---

我们可以使用

data.table

library(data.table)
setDT(df1)[,list(Mean = mean(EPS), Variance = var(EPS)) ,
                                     by =  .(Ind_name, Year)]

---

更新 （只是发布我之前的评论）。我们将'data.frame'转换为'data.table'（

setDT（df1）

），按'Ind_name'、'Year'分组，得到'EPS'、'BPS'的

cor

，以及基于这些列的

lm

的

coef

，然后将'Ind_name'子集化为“A”值

---

更完整的

数据。基于表的方法，通过
CJ（c（“A”）、c（2001）
实施过滤，仅选择相关行业和年份：

library(data.table)

mydata <- fread("Ind_name Co_Name Year EPS BPS
                        A       X 2001  10  11
                        A       X 2002  12  12
                        A       X 2003  15  15
                        A       Y 2001  10  18
                        A       Y 2002  16  25
                        A       Y 2003  20  26
                        B       Z 2001  14  36
                        B       Z 2002  16   9
                        B       Z 2003  20  10")

setkey(mydata, Ind_name, Year)

mydata[
  CJ("A", c(2001, 2002, 2003))
  , {
    list(
      Correlation = cor(EPS,BPS)
      , Beta = summary(lm(EPS~BPS))$coefficients[2]
      )
  }
  , keyby = .(Ind_name, Year)
]

您可以根据需要扩展“函数”（即J参数）的复杂性。
一种更完整的
数据。基于表格的方法，通过
CJ（c（“A”），c（2001，…）
实现过滤，仅选择相关行业和年份：

library(data.table)

mydata <- fread("Ind_name Co_Name Year EPS BPS
                        A       X 2001  10  11
                        A       X 2002  12  12
                        A       X 2003  15  15
                        A       Y 2001  10  18
                        A       Y 2002  16  25
                        A       Y 2003  20  26
                        B       Z 2001  14  36
                        B       Z 2002  16   9
                        B       Z 2003  20  10")

setkey(mydata, Ind_name, Year)

mydata[
  CJ("A", c(2001, 2002, 2003))
  , {
    list(
      Correlation = cor(EPS,BPS)
      , Beta = summary(lm(EPS~BPS))$coefficients[2]
      )
  }
  , keyby = .(Ind_name, Year)
]

您可以扩展“函数”（即J参数）的复杂性尽可能多。
它们有多复杂，不可能使用
dplyr
吗？然后分享你的
复杂函数
@moto我已经编辑了我的问题。请查看。如果你想要的结果中没有数据，为什么要按公司分组数据请在这里查找
lm（）
与
dplyr
组合：它们是如何复杂的，
dplyr
是不可能的？然后分享你的
复杂函数
@moto我已经编辑了我的问题。请查看。如果你想要的结果中没有数据，为什么要按公司分组数据请在这里查找
lm（）
结合
dplyr
：谢谢。实际上，我想通过循环来实现这一点，因为我需要运行一些复杂的函数，而我不能在dplyr包的摘要中运行。你确定他们不能吗？@Neeraj，让我试试：D@Neeraj你必须更具体一些。@Marta，这不是按要求筛选行。或者我遗漏了什么欣？谢谢。实际上我想通过循环来完成这项工作，因为我需要运行一些复杂的函数，而我不能在dplyr包的摘要中运行。你确定他们不能吗？@Neeraj，让我试试：D@Neeraj你必须更具体一些。@Marta，这不是按要求筛选行。或者我遗漏了什么？如果我需要计算corr呢EPS和BPS之间的关系，回归斜率$betaβ等。我还没有投票给他们。另外，我在之后编辑了我的问题。是的，我需要执行考虑数据多于一个变量的函数（Line LM函数）。。这只是一个问题。我想通过循环完成。这很有效。但为此，我必须再学习一个程序包。谢谢。您总是提供最有效的代码。如果我需要计算每股收益和每股收益之间的相关性，回归斜率$\beta$等，我没有对它们进行优化。此外，我还编辑了我的问题。是的，我需要执行以下操作：M函数考虑多个变量的数据（行LM函数）。这只是一个问题。我想通过循环完成。这很有效。但为此，我必须再学习一个软件包。谢谢。你总是提供最有效的代码。我有15家公司的数据，每个公司有20年的数据。我需要在“CJ”中键入每个公司的名称和年份吗命令？当您根据Ind_name和Year的值进行过滤时，您只会给出2个向量-一个包含Ind_name，第二个必须包含Year的值。如果您希望计算每个年份和行业的相关性和Beta，则可以省略整个CJ（）.我有15家公司的数据，每个公司都有20年的数据。我是否需要在“CJ”中键入每个公司的名称和年份命令？当您根据Ind_name和Year的值进行筛选时，您只会给出2个向量-一个包含Ind_name，第二个必须包含Year的值。如果您希望计算每个年份和行业的相关性和Beta，则可以省略整个CJ（）。