data.frame（…，check.names=FALSE）中出错：参数表示行数不同：67906771

我已经按照说明计算了，它可以很好地计算我的数据集的每日回报。现在，当我计算最新日期的月度回报时，我的问题就开始了。使用公式获得月度回报：

logs=data.frame(
     cbind.data.frame(
         prices$Date[-1],
         na.locf(diff(as.matrix(log(prices[,-1])), lag = 20))
         )
     )

我得到：

data.frame（…，check.names=FALSE）中出错：参数暗示 不同的行数：67906771

可以理解的是，行数的差异来自于我用来获取截止日期的月报表的20天延迟。我还需要计算截止日期的年度回报率，我想我这样做的时候也会得到同样的错误。我尝试使用

merge.data.frame

而不是

cbind.data.frame

，但只导致我的计算机崩溃

我获取了数据集的前10行和前10列：

        Date `2GO`   AAA    AB   ABA   ABG   ABS    AC   ACE   ACR
       <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1  28-Jun-17 23.25  1.61 14.98  0.37 28.25 42.85 841.5  1.61  1.50
2  27-Jun-17 23.90  1.61 14.98  0.37 27.95 42.90 842.5  1.61  1.53
3  23-Jun-17 24.60  1.61 14.98  0.38 27.00 42.90 840.5  1.70  1.57
4  22-Jun-17 24.40  1.61 14.98  0.37 28.05 43.20 855.0  1.67  1.57
5  21-Jun-17 24.80  1.61 15.00  0.37 28.05 43.10 841.5  1.67  1.57
6  20-Jun-17 25.10  1.61 14.68  0.37 28.85 43.45 858.0  1.70  1.58
7  19-Jun-17 24.85  1.61 14.68  0.37 29.05 43.40 860.0  1.75  1.55
8  16-Jun-17 25.70  1.61 14.68  0.38 29.60 43.45 850.0  1.77  1.52
9  15-Jun-17 26.20  1.61 14.48  0.38 29.55 43.30 867.0  1.69  1.53
10 14-Jun-17 26.85  1.61 16.00  0.37 29.50 43.35 867.5  1.69  1.52

仍然显示一个错误：

data.frame（…，check.names=FALSE）中出错：参数暗示 不同的行数：9、66

有没有办法纠正错误/修复行号

根据更新的问题进行编辑

由于20个周期的滞后在初始周期中不存在，您可以使用NA进行填充。问题是

prices$Date[-1]

的行数与

na.locf（diff（as.matrix（log（prices[，-1]）），lag=20））的行数不同。您应该确保它们的行数相等。例如：

p = read.table(text="Date `2GO`   AAA    AB   ABA   ABG   ABS    AC   ACE   ACR
28-Jun-17 23.25  1.61 14.98  0.37 28.25 42.85 841.5  1.61  1.50
27-Jun-17 23.90  1.61 14.98  0.37 27.95 42.90 842.5  1.61  1.53
23-Jun-17 24.60  1.61 14.98  0.38 27.00 42.90 840.5  1.70  1.57
22-Jun-17 24.40  1.61 14.98  0.37 28.05 43.20 855.0  1.67  1.57
21-Jun-17 24.80  1.61 15.00  0.37 28.05 43.10 841.5  1.67  1.57
20-Jun-17 25.10  1.61 14.68  0.37 28.85 43.45 858.0  1.70  1.58
19-Jun-17 24.85  1.61 14.68  0.37 29.05 43.40 860.0  1.75  1.55
16-Jun-17 25.70  1.61 14.68  0.38 29.60 43.45 850.0  1.77  1.52
15-Jun-17 26.20  1.61 14.48  0.38 29.55 43.30 867.0  1.69  1.53
14-Jun-17 26.85  1.61 16.00  0.37 29.50 43.35 867.5  1.69  1.52",header=T)

p=p[order(p$Date),]

logs=data.frame(
  cbind.data.frame(
    Date = p$Date[4:nrow(p)],
    na.locf(diff(as.matrix(log(p[,-1])), lag = 3))
  )
)

输出：

       Date      X.2GO. AAA           AB         ABA          ABG          ABS
7 19-Jun-17 -0.07740807   0 -0.086102699  0.00000000 -0.015371780  0.001152738
6 20-Jun-17 -0.04289156   0  0.013717636 -0.02666825 -0.023973751  0.003458217
5 21-Jun-17 -0.03564734   0  0.021564178 -0.02666825 -0.053785729 -0.008087855
4 22-Jun-17 -0.01827462   0  0.020229955  0.00000000 -0.035029851 -0.004618946
3 23-Jun-17 -0.02012140   0  0.020229955  0.02666825 -0.066273127 -0.012739026
2 27-Jun-17 -0.03696519   0 -0.001334223  0.00000000 -0.003571432 -0.004651171
1 28-Jun-17 -0.04827800   0  0.000000000  0.00000000  0.007104826 -0.008134850
            AC          ACE          ACR
7 -0.008683123  0.034887259  0.019544596
6 -0.010434877  0.005899722  0.032157112
5 -0.010050336 -0.058155920  0.032365285
4 -0.005830920 -0.046792162  0.012820688
3 -0.020607147  0.000000000 -0.006349228
2  0.001187649 -0.036589447 -0.025807884
1 -0.015915455 -0.036589447 -0.045610511

不要忘记检查输出是否如预期的那样。我只是告诉您为什么代码不起作用，以及一种匹配语句中行数的方法，我不熟悉您正在执行的操作。希望这有帮助
 嗨@Florian，谢谢你在这件事上帮助我。不幸的是，我仍然得到同样的错误，使用你上面发布的公式，只是不同的数字从67906771到67901855547。我测试了你的第一个代码，它是有效的，但我不知道为什么第二个不会。有没有办法做一个小例子，例如，以数据集的前十行为例，使用3的延迟？然后粘贴您在问题中使用的数据，请查看，这样可以更容易地帮助您。嗨@Florian，为没有发布示例而道歉。我在我的原始帖子中包含了数据集的前10行和前10列，并使用3作为你提供的公式的延迟。谢谢@Florian！这很有帮助。为了确保我完全理解更新后的公式，4 in Date=p$Date[4:nrow（p）]对应于lag+1，对吗？是的，这样做会跳过p$Date列的前3行。顺便说一句，我认为您应该先让p dataframe在日期列上降序，以执行您想要执行的操作。我更新了示例。如果这对你有效，你能接受我的回答吗？谢谢
       Date      X.2GO. AAA           AB         ABA          ABG          ABS
7 19-Jun-17 -0.07740807   0 -0.086102699  0.00000000 -0.015371780  0.001152738
6 20-Jun-17 -0.04289156   0  0.013717636 -0.02666825 -0.023973751  0.003458217
5 21-Jun-17 -0.03564734   0  0.021564178 -0.02666825 -0.053785729 -0.008087855
4 22-Jun-17 -0.01827462   0  0.020229955  0.00000000 -0.035029851 -0.004618946
3 23-Jun-17 -0.02012140   0  0.020229955  0.02666825 -0.066273127 -0.012739026
2 27-Jun-17 -0.03696519   0 -0.001334223  0.00000000 -0.003571432 -0.004651171
1 28-Jun-17 -0.04827800   0  0.000000000  0.00000000  0.007104826 -0.008134850
            AC          ACE          ACR
7 -0.008683123  0.034887259  0.019544596
6 -0.010434877  0.005899722  0.032157112
5 -0.010050336 -0.058155920  0.032365285
4 -0.005830920 -0.046792162  0.012820688
3 -0.020607147  0.000000000 -0.006349228
2  0.001187649 -0.036589447 -0.025807884
1 -0.015915455 -0.036589447 -0.045610511