интерполировать годовой на ежемесячный, а затем менять длинные данные на широкие, R - PullRequest
Новая
       27

интерполировать годовой на ежемесячный, а затем менять длинные данные на широкие, R

1 голос
/ 02 марта 2020

У меня есть большой файл данных CSV, образец данных, как показано ниже. 

name                  year            value
China                 1997            481970
Japan                 1997            8491480
Germany               1997            4678022
China                 1998            589759
Japan                 1998            7912546
Germany               1998            5426582

После нескольких безуспешных попыток я хотел бы интерполировать свои данные в месячные, а затем изменить формат данные должны быть такими, как в примере ниже, 

date             China       Japan        Germany       
1997-01-31       40164.17    707623.33    389835.17
1997-02-28       80328.33    1415246.67   779670.33
1997-03-30       1204925     2122870      1169505.50
1997-04-30       160656.67   2830493.33   1559340.67  
1997-05-31       200820.83   3538116.67   1949175.83
    .               .           .              .
    .               .           .              .
    .               .           .              .
1997-12-31       481970       8491480      4678022

1998-01-31       49146.58     659378.83    452215.17
1998-02-28       98293.17     1318757.67   904430.33
1998-03-30       147439.75    1978136.5    1356645.5 
1998-04-30       196586.33    2637515.33   1808860.67
1998-05-31       245732.97    3296894.17   2261075.83
    .               .           .              .
    .               .           .              .
    .               .           .              .
1998-12-31        589759      7912546      5426582

кто-то предложил это Как развернуть фрейм данных , хотя мне было трудно достичь желаемых результатов. Может быть, я не так хорош в python.

Я хотел бы сделать это в R. Мысли?

Ответы [ 2 ]

2 голосов
/ 02 марта 2020

Предполагая, что ввод, воспроизводимый в примечании в конце, преобразует его в объект зоопарка z, который, указав split=, также преобразует его в широкоформатную форму одновременно. Затем разверните его с помощью merge и используйте линейную интерполяцию с na.approx. Альтернативно замените na.approx на na.spline. Наконец, конвертируйте временной индекс в класс Date. Результатом является зоопарк m. Если вам нужен фрейм данных, используйте fortify.zoo(m). 

library(zoo)

z <- read.zoo(DF, split = 1, index = 2, FUN = as.numeric)

m <- na.approx(merge(z, zoo(, c(kronecker(time(z), 0:11/12, "+")))))
time(m) <- as.Date(as.yearmon(time(m)), frac = 1)
m

, давая: 

              China Germany   Japan
1997-01-31 481970.0 4678022 8491480
1997-02-28 490952.4 4740402 8443236
1997-03-31 499934.8 4802782 8394991
1997-04-30 508917.2 4865162 8346747
1997-05-31 517899.7 4927542 8298502
1997-06-30 526882.1 4989922 8250257
1997-07-31 535864.5 5052302 8202013
1997-08-31 544846.9 5114682 8153769
1997-09-30 553829.3 5177062 8105524
1997-10-31 562811.8 5239442 8057280
1997-11-30 571794.2 5301822 8009035
1997-12-31 580776.6 5364202 7960790
1998-01-31 589759.0 5426582 7912546

Примечание 

Lines <- "name                  year            value
China                 1997            481970
Japan                 1997            8491480
Germany               1997            4678022
China                 1998            589759
Japan                 1998            7912546
Germany               1998            5426582"
DF <- read.table(text = Lines, header = TRUE, as.is = TRUE)
1 голос
/ 03 марта 2020

Опция, использующая data.table: 

DT[, date := as.IDate(paste0(year, "-12-31"))][,
    c("y0", "y1") := .(value, shift(value, -1L, fill=value[.N])), name]

longDT <- DT[, {
    eom <- seq(min(date)+1L, max(date)+1L, by="1 month") - 1L
    v <- unlist(mapply(function(a, d) a + (0:11) * d, y0, (y1 - y0)/12, SIMPLIFY=FALSE))
    .(eom, v=v[seq_along(eom)])
}, name]

dcast(longDT, eom ~ name, sum, value.var="v")

вывод: 

           eom     China   Germany     Japan
 1: 1996-12-31  40164.17  389835.2  707623.3
 2: 1997-01-31  76981.32  747184.1 1356278.1
 3: 1997-02-28 113798.48 1104533.0 2004932.8
 4: 1997-03-31 150615.63 1461881.9 2653587.5
 5: 1997-04-30 187432.78 1819230.8 3302242.2
 6: 1997-05-31 224249.93 2176579.7 3950896.9
 7: 1997-06-30 261067.09 2533928.6 4599551.7
 8: 1997-07-31 297884.24 2891277.5 5248206.4
 9: 1997-08-31 334701.39 3248626.4 5896861.1
10: 1997-09-30 371518.54 3605975.3 6545515.8
11: 1997-10-31 408335.70 3963324.2 7194170.6
12: 1997-11-30 445152.85 4320673.1 7842825.3
13: 1997-12-31 481970.00 4678022.0 8491480.0
14: 1998-01-31 490952.42 4740402.0 8443235.5
15: 1998-02-28 499934.83 4802782.0 8394991.0
16: 1998-03-31 508917.25 4865162.0 8346746.5
17: 1998-04-30 517899.67 4927542.0 8298502.0
18: 1998-05-31 526882.08 4989922.0 8250257.5
19: 1998-06-30 535864.50 5052302.0 8202013.0
20: 1998-07-31 544846.92 5114682.0 8153768.5
21: 1998-08-31 553829.33 5177062.0 8105524.0
22: 1998-09-30 562811.75 5239442.0 8057279.5
23: 1998-10-31 571794.17 5301822.0 8009035.0
24: 1998-11-30 580776.58 5364202.0 7960790.5
25: 1998-12-31 589759.00 5426582.0 7912546.0
           eom     China   Germany     Japan

data: 

library(data.table)
DT <- fread("name     year            value
China                 1996            40164.17
Japan                 1996            707623.33
Germany               1996            389835.17
China                 1997            481970
Japan                 1997            8491480
Germany               1997            4678022
China                 1998            589759
Japan                 1998            7912546
Germany               1998            5426582")

Я позволил себе добавить в данные за 1996 год.

...