有没有办法在R中为ChainLadder损耗三角形对柱进行切片?

有没有办法在R中为ChainLadder损耗三角形对柱进行切片?,r,R,我正在尝试为R中的ChainLadder损耗三角形切片列 我尝试使用选择/过滤功能,但它给了我这些错误 Error in UseMethod("select_") : no applicable method for 'select_' applied to an object of class "c('triangle', 'matrix')" 以下是示例代码: # ChainLadder package is required. library(Ch

我正在尝试为R中的ChainLadder损耗三角形切片列

我尝试使用选择/过滤功能,但它给了我这些错误

Error in UseMethod("select_") : no applicable method for 'select_' applied to an object of class "c('triangle', 'matrix')"
以下是示例代码:

# ChainLadder package is required.
library(ChainLadder)

df <- data.frame(Month = c("2019-10-01", "2019-10-01", "2019-10-01", "2019-10-01", 
                           "2019-11-01", "2019-11-01", "2019-11-01", 
                           "2019-12-01", "2019-12-01", 
                           "2020-01-01"),
                 T = c(1, 2, 3, 4, 1, 2, 3, 1, 2, 1),
                 value = c(100, 160, 220, 250, 100, 200, 250, 120, 150, 110))

df_Triangle <- as.triangle(df,
                           origin = "Month",
                           dev = "T",
                           value = "value")
df_Triangle

## The code below won't work on a triangle.
# df_Triangle %>% select(Month, 1, 2)
# df_Triangle %>% filter(T %in% c(1,2))

#需要链梯包。
图书馆(链梯)

df我对
ChainLadder
软件包所需的数据结构一点也不熟悉,但从一些尝试和错误的方法中,我可以看出,在您的领域中被称为三角形的东西实际上是R中的矩阵。然后您尝试在矩阵上使用
dplyr
动词,如
select
filter
,这将失败-他们期望一个数据帧

但在R中为矩阵编制索引很简单,您尝试过吗

# Select matrix columns 1 and 2
df_Triangle[, 1:2]

#创建要用于选择/筛选的列索引向量。
#三角形的列名似乎是T的值

t_index我对ChainLadder
软件包所需的数据结构一点也不熟悉,但从一些尝试和错误的方法中,我可以看出,在您的领域中被称为三角形的东西实际上是R中的矩阵。然后您尝试在矩阵上使用
dplyr
动词,如
select
filter
,这将失败-他们期望一个数据帧

但在R中为矩阵编制索引很简单,您尝试过吗

# Select matrix columns 1 and 2
df_Triangle[, 1:2]

#创建要用于选择/筛选的列索引向量。
#三角形的列名似乎是T的值
t_指数
# create a vector of column indices you want to use for selection/filtering.   
# It seems that the column names of the triangle are the values of T
t_index <- colnames(df_Triangle) %in% c("1", "2")
# apply the vector of indices
df_Triangle[, t_index]
#             T
# Month          1   2
#   2019-10-01 100 160
#   2019-11-01 100 200
#   2019-12-01 120 150
#   2020-01-01 110  NA