將指標變量添加到長數據框中，以便當值從一年增加到下一個時

Question

我有一個包含三列fyear,tic和dcvt（對於會計年度，股票代碼和總可轉換債務）的長數據框。大約有18個財政年度和幾千個代理商。我想添加一個指標變量，每當dcvt從一年上升到下一個時，這個變量就是一個。

我試過ddply，但我失去了fyear列，並不確定如何找回來。

library(plyr) 
temp <- data.frame(fyear = rep(1992:2009, 10), tic = rep(letters[1:10], each = 18), dcvt = rnorm(180, 200, 10)) 
my.fun <- function(x) x <- c(0, ifelse(tail(x, -1) - head(x, -1) > 0, 1, 0)) 
temp2 <- ddply(temp, "tic", colwise(my.fun, "dcvt")) 

我也試圖轉換爲寬與reshape2包，然後運行for循環，當然，那沒完沒了。

有沒有一種方法可以快速做到這一點？我應該製作一個寬的zoo對象，然後使用diff？如果可以，我想避免通過時間序列。謝謝！使用

Answer 1

變換分析在ddply有時幫助我們大大：

ddply(temp, .(tic), transform, dcvt=c(0, diff(dcvt)>0)) 

Answer 2

ddpy()處理這種尺寸（10^2）相當不錯的數據集。但是，對於大型數據集，並在那裏你不一定需要返回一個完整的數據幀的情況下，我會考慮以下do.call + lapply解決方案：

my.fun <- function(cur.tic){ 
    as.numeric(diff(temp$dcvt[temp$tic == cur.tic]) > 0) 
} 

do.call("c", lapply(unique(temp$tic), my.fun)) 

爲了證明性能收益（不公平給出的向量對據幀的問題），我把OP的樣本數據，創建^ 4，10^5和10^6級10的新的數據幀，然後跑去system.time()上@ kohske的ddply解決方案和上面的解決方案：

原始數據（10^2）：

> system.time(do.call("c", lapply(unique(temp$tic), my.fun))) 
    user system elapsed 
    0.000 0.000 0.003 
> system.time(ddply(temp, .(tic), transform, dcvt=c(0, diff(dcvt)>0))) 
    user system elapsed 
    0.020 0.000 0.013 

10^4的樣本數據

> system.time(do.call("c", lapply(unique(temp.2$tic), my.fun))) 
    user system elapsed 
    0.000 0.000 0.002 
> system.time(ddply(temp.2, .(tic), transform, dcvt=c(0, diff(dcvt)>0))) 
    user system elapsed 
    0.040 0.000 0.036 

10^5個樣本數據

> system.time(do.call("c", lapply(unique(temp.3$tic), my.fun))) 
    user system elapsed 
    0.000 0.000 0.004 
> system.time(ddply(temp.3, .(tic), transform, dcvt=c(0, diff(dcvt)>0))) 
    user system elapsed 
    0.270 0.000 0.279 

10^6個採樣數據

> system.time(do.call("c", lapply(unique(temp.4$tic), my.fun))) 
    user system elapsed 
    0.010 0.000 0.018 
> system.time(ddply(temp.4, .(tic), transform, dcvt=c(0, diff(dcvt)>0))) 
    user system elapsed 
    6.110 0.070 6.186 

不是抱怨約ddply() - 相反，只是努力分享一些我發現最有用的代碼，同時處理一個非常類似的問題，最近有一個很大的數據集。