apply.yearly()适用于子集,但不适用于R中的完整时间序列数据集
当我在数据集上运行以下代码时,会得到如下输出(显示部分输出):apply.yearly()适用于子集,但不适用于R中的完整时间序列数据集,r,function,data-structures,subset,xts,R,Function,Data Structures,Subset,Xts,当我在数据集上运行以下代码时,会得到如下输出(显示部分输出): all_countries_ts[,grepl("Muslims", colnames(all_countries_ts))] Senegal Muslims Serbia Muslims Seychelles Muslims 1970-01-01 3693807 200000 170 2000-01-01 8936283
all_countries_ts[,grepl("Muslims", colnames(all_countries_ts))]
Senegal Muslims Serbia Muslims Seychelles Muslims
1970-01-01 3693807 200000 170
2000-01-01 8936283 529322 730
2010-01-01 11713126 527598 821
2015-01-01 13621382 471414 844
但是,当我尝试使用函数apply.yearly对其进行多年累加时,我只得到一个NA结果:
apply.yearly(all_countries_ts[,grepl("Muslims", colnames(all_countries_ts))], FUN = sum)
1970-01-01 NA
2000-01-01 NA
2010-01-01 NA
2015-01-01 NA
有趣的是,它可以处理一些输入,但不能处理其他输入。例如,如果我使用输入“不可知论者”而不是“穆斯林”,我会得到一个很好的结果。没有错误,所以我似乎无法弄清楚这里到底发生了什么
所有国家/地区存储为xts对象。需要注意的一点是,apply.yearly()始终处理此数据集的一个子集。我已经编写了一个函数,您可以在下面看到它:
sum_by_category <- function(religious_group, dataset) {
apply.yearly(dataset[,grepl(paste(religious_group), colnames(dataset))], FUN =
sum)
}
country_search <- function(country_name, z){
z <- foreach(i = 1:length(country_name), .combine = merge.xts) %do%{
all_countries_ts[,grepl(country_name[i], colnames(all_countries_ts))]
}
return(z)}
我真的搞不清楚到底发生了什么,因为它使用的是一些输入,而不是其他输入。提前感谢您的帮助/见解
xts::apply.yearly
期望x
参数可强制到xts
对象。可能您的data.frame不是兼容的xts
数据帧
apply.year的帮助说明:
参数
x an time-series object coercible to xts
FUN an R function
我基于OP
共享的数据创建了一个示例数据,并将其转换为xts
类<代码>应用。每年一次
在同一系统上正常工作
library(xts)
# Convert data.frame to xts class
all_countries_ts <- xts(df[,-1], order.by = df$Date)
#Now one can use `apply.yearly`
apply.yearly(all_countries_ts[,grepl("Muslims", colnames(all_countries_ts))], FUN = sum)
# [,1]
# 1970-01-01 3893977
# 2000-01-01 9466335
# 2010-01-01 12241545
# 2015-01-01 14093640
数据:
df我们如何重现这个问题?通过复制粘贴dput(…)
来共享数据是一种很好的方法start@Sunny我已经更新了我的答案。对于少数列,您的数据包含的NA
。由于NA
是传染性的,它的总总和变为NA
。您必须将sum
的附加参数设置为na.rm=TRUE
。
library(xts)
# Convert data.frame to xts class
all_countries_ts <- xts(df[,-1], order.by = df$Date)
#Now one can use `apply.yearly`
apply.yearly(all_countries_ts[,grepl("Muslims", colnames(all_countries_ts))], FUN = sum)
# [,1]
# 1970-01-01 3893977
# 2000-01-01 9466335
# 2010-01-01 12241545
# 2015-01-01 14093640
apply.yearly(all_countries_ts[,grepl("Muslims",colnames(all_countries_ts))],
FUN = sum, na.rm = TRUE)
# [,1]
# 1970-01-01 570772699
# 2000-01-01 1292170756
# 2010-01-01 1571250533
# 2015-01-01 1734531709
df <- read.table(text =
" Date 'Senegal Muslims' 'Serbia Muslims' 'Seychelles Muslims' Others
1970-01-01 3693807 200000 170 200
2000-01-01 8936283 529322 730 100
2010-01-01 11713126 527598 821 300
2015-01-01 13621382 471414 844 500",
header = TRUE, stringsAsFactors = FALSE)
#convert Date column to Date format
df$Date <- as.Date(df$Date)