Summenspalten zeilenweise basierend auf IDs in einem anderen Vektor

Question

Ich habe zwei Eingabedatenrahmen, der erste heißt "Firms_Ind" und enthält 2 Spalten ("Firms", "Industry") mit mehreren Zeilen. Es gibt die Branchen-ID für jede Firma. Der andere heißt "ann_returns" und hat so viele Spalten wie "Firms_Ind" Zeilen und mehrere Zeilen hat. Es enthält die Rendite für jede der Firmen (Spalten) pro Jahr (Zeilen).

Ich möchte die jährliche mittlere Rendite pro Branche berechnen. Ich möchte also eine Ausgabematrix, die folgende Dimensionen hat: Anzahl der Spalten = Anzahl der Jahre und Anzahl der Zeilen = Anzahl der Jahre. Für jede Branche (Spalte) sollte die mittlere Rendite pro Jahr berechnet werden.

hier ist ein kleines Beispiel:

> Firms_Ind 
    Firms Industry 
1  A  1 
2  B  2 
3  C  3 
4  D  1 
5  E  2 
6  F  1 

> ann_returns 
     A B C D E F 
y1 0.20 0.11 0.13 0.30 0.24 0.03 
y2 0.23 0.08 0.03 0.23 0.17 0.01 
y3 0.28 0.19 0.11 0.21 0.19 0.07 

> Industry_mean 
      1 2 3 
y1_means 0.20 0.11 0.13 
y2_means 0.23 0.08 0.03 
y3_means 0.28 0.19 0.11 

Answer 1

Hier ist eine Methode, mit sapply

# get a list of firms by industry 
inds <- split(Firms_Ind$Firms, Firms_Ind$Industry) 
# loop through industries to calculate annual means 
myMat <- sapply(inds, 
       function(i) if(length(i) > 1) rowMeans(ann_returns[, i]) else ann_returns[, i]) 

, hier sapply Schleifen durch die Industrie. Prüfen Sie für jede Branche, ob es mehr als eine Firma gibt, wenn ja, wenden Sie rowMeans an, wenn nein, geben Sie den ursprünglichen Wert zurück.

Das gibt

myMat 
      1  2 3 
y1 0.1766667 0.175 0.13 
y2 0.1566667 0.125 0.03 
y3 0.1866667 0.190 0.11 

Daten

Firms_Ind <- 
structure(list(Firms = structure(1:6, .Label = c("A", "B", "C", 
"D", "E", "F"), class = "factor"), Industry = c(1L, 2L, 3L, 1L, 
2L, 1L)), .Names = c("Firms", "Industry"), class = "data.frame", row.names = c("1", 
"2", "3", "4", "5", "6")) 

ann_returns <- 
structure(c(0.2, 0.23, 0.28, 0.11, 0.08, 0.19, 0.13, 0.03, 0.11, 
0.3, 0.23, 0.21, 0.24, 0.17, 0.19, 0.03, 0.01, 0.07), .Dim = c(3L, 
6L), .Dimnames = list(c("y1", "y2", "y3"), c("A", "B", "C", "D", 
"E", "F"))) 

Answer 2

Mit dplyr und tidyr

library(tidyr) 
library(dplyr) 

Industry_mean <- ann_returns %>% 
     gather(key=Firms,value=value,-Year) %>% #convert to long format 
     left_join(Firms_Ind) %>% #merge with firms_ind 
     group_by(Year,Industry) %>% #group as required 
     summarise(mean=mean(value)) %>% #calculate means 
     spread(key=Industry,value=mean) #convert back to wide format 

Industry_mean 

    Year  `1` `2` `3` 
* <chr>  <dbl> <dbl> <dbl> 
1 y1 0.1766667 0.175 0.13 
2 y2 0.1566667 0.125 0.03 
3 y3 0.1866667 0.190 0.11 

Answer 3

Wir können die ann_returns durch Spalte geteilt und dann laufen rowMeans:

# if Firms in correct order 
inds <- split.default(ann_returns, f = Firms_Ind$Industry) 

# # if Firms not in correct order: 
# inds <- split.default(
#  ann_returns, 
#  f = Firms_Ind$Industry[match(colnames(ann_returns), Firms_Ind$Firms)]) 

do.call(cbind, lapply(inds,rowMeans)) 
#   1  2 3 
# y1 0.1766667 0.175 0.13 
# y2 0.1566667 0.125 0.03 
# y3 0.1866667 0.190 0.11 

Die beiden Eingangs data.frames sind:

# > dput(ann_returns) 
structure(list(A = c(0.2, 0.23, 0.28), B = c(0.11, 0.08, 0.19 
), C = c(0.13, 0.03, 0.11), D = c(0.3, 0.23, 0.21), E = c(0.24, 
0.17, 0.19), F = c(0.03, 0.01, 0.07)), .Names = c("A", "B", "C", 
"D", "E", "F"), row.names = c("y1", "y2", "y3"), class = "data.frame") 
# > dput(Firms_Ind) 
structure(list(Firms = structure(1:6, .Label = c("A", "B", "C", 
"D", "E", "F"), class = "factor"), Industry = c(1L, 2L, 3L, 1L, 
2L, 1L)), .Names = c("Firms", "Industry"), class = "data.frame", row.names = c("1", 
"2", "3", "4", "5", "6"))