read.zoo在我将格式指定为"；%时添加月份和日期“是”；

我正在尝试使用

read.zoo

将

data.frame

转换为

zoo

对象。这一切似乎都很好，除了原始索引只包含年份（没有月份或天数），但当我在中阅读时，它们出现了

有没有办法创建索引仅为年的新对象

test.df3 <- data.frame (Country = rep (c (1, 5000), each = 10),
                        Year = factor(rep(1990:1999, 2)),
                        Values = sample(x =  1:20, size = 20, replace = TRUE),
                        Weights = sample (x = seq (0,50,10), size = 20,
                                          replace =TRUE)
                       )
stuff <- read.zoo (test.df3, format = "%Y", index.column = 2)

这就是我希望得到的：

> head(stuff)
           Country Values Weights
1990             1      2      50
1990          5000     19       0
1991             1     10      30
1991          5000      3      20

---

指定

format

和no

FUN

或

tz

会导致启发式假设您想要一个

“Date”

类索引。指定

FUN=identity

不进行转换，并省略

格式=

。另外，似乎两个国家的时间序列是混合的，因此我们可以使用

split=

将它们拆分为各自的序列

read.zoo(test.df3, index = "Year", split = "Country", FUN = identity)

其中：

     Values.1 Weights.1 Values.5000 Weights.5000
1990        6        50           2           30
1991       14        20           7           50
1992        7        40           6            0
1993       18        30          17           20
1994       10        50          13            0
1995        3         0          17           40
1996        4        20          16           40
1997       20        20          18           20
1998        9        20          16           30
1999       20         0          15           30

---

完全正确！这只是一个玩具，我将不得不对由许多国家组成的更大的数据集执行同样的操作。然后我需要使用rollapply计算一些滚动平均值，因此，如果有一种方法将它们全部保留在两列中，然后执行后续的滚动平均值，这将是有利的，但我不确定它是否可行。如果您想以长形式表示它，那么它不是一个时间序列，所以zoo（这是时间序列基础设施的一个包）不适用。使用data.frame或data.table。

     Values.1 Weights.1 Values.5000 Weights.5000
1990        6        50           2           30
1991       14        20           7           50
1992        7        40           6            0
1993       18        30          17           20
1994       10        50          13            0
1995        3         0          17           40
1996        4        20          16           40
1997       20        20          18           20
1998        9        20          16           30
1999       20         0          15           30