使用来自另一个 xts 对象的数据更新一个 xts 时间序列对象

Question

我正在寻找一种更简单的方法来使用另一个 xts 对象中的数据更新 xts 时间序列对象。应更新重叠时间段和维度的数据，应添加其他时间段，并应根据需要添加缺失的系列维度。目前我正在使用合并、子集和赋值的组合。有没有办法以更少的步骤做到这一点？

示例

具有一个共同维度 (y) 和两个共同时间段（2018 年第二季度和 2018 年第三季度）的两个 xts 时间序列对象。

library(xts)

t <- as.yearqtr(paste(2018, 1:4, sep = ":Q"), format = "%Y:Q%q")

short <- xts(
    matrix(1, ncol = 2, nrow = 2, dimnames = list(NULL, c("x", "y"))), 
    order.by = t[2:3]
)

long <- xts(
    matrix(0, ncol = 2, nrow = 4, dimnames = list(NULL, c("y", "z"))),
    order.by = t
)

short

        x y
2018 Q2 1 1
2018 Q3 1 1

long

        y z
2018 Q1 0 0
2018 Q2 0 0
2018 Q3 0 0
2018 Q4 0 0

案例 1 的预期结果：将 short 更新为 long

         x  y z
2018 Q1 NA  0 0
2018 Q2  1  0 0
2018 Q3  1  0 0
2018 Q4 NA  0 0

案例 2 的预期结果：将 long 更新为 short

         x  y z
2018 Q1 NA  0 0
2018 Q2  1  1 0
2018 Q3  1  1 0
2018 Q4 NA  0 0

案例一

合并非重叠维度，然后子集并分配重叠维度（如：Updating an XTS object）

short2 <- short
for (j in setdiff(colnames(long), colnames(short2))) {
    short2 <- merge(short2, long[, j])
}
short3 <- short2
for (j in intersect(colnames(short3), colnames(long))) {
    short3[index(long), j] <- long[, j]
}
short3

         x y z
2018 Q1 NA 0 0
2018 Q2  1 0 0
2018 Q3  1 0 0
2018 Q4 NA 0 0

案例2

相同的方法：合并非重叠系列维度，然后子集并分配重叠维度

long2 <- long
for (j in setdiff(colnames(short), colnames(long2))) {
    long2 <- merge(long2, short[, j])
}
long3 <- long2
for (j in intersect(colnames(short), colnames(long3))) {
    long3[index(short), j] <- short[, j]
}
long3

        y z  x
2018 Q1 0 0 NA
2018 Q2 1 0  1
2018 Q3 1 0  1
2018 Q4 0 0 NA

还有什么比这两个步骤更简单的吗？可能是另一个包中的函数或选项。

Answer 1

在R 到merge 中无法为具有相同名称的列分配优先级。不久前我有一个类似的问题。 R 默认情况下必须生成唯一的列名。之后您可以使用setNames 直接为列分配一个通用名称，但R 将始终分配唯一名称（有关一些说明，请参阅?make.names）。不建议这样做，因为它会使操作变得更加复杂。

操作ts 和xts 对象也很复杂。它可以完成，但不值得花时间。最好转换为 data.frame 或 tibble 并以这些格式开展业务，然后再转换回来。

以下是tidyverse 解决方案，也使用timetk 包。

library(xts)
library(timetk)
library(dplyr)

xts::merge.xts(long, short) %>% #merge xts objects using merge.xts
  timetk::tk_tbl() %>% #convert xts object to tibble
  dplyr::mutate(y = dplyr::coalesce(y.1, y)) %>% #replace y with coalesced y & y.1
  dplyr::select(-y.1) %>% #deselect y.1
  timetk::tk_xts(silent = T) #convert back to xts

        y z  x
2018 Q1 0 0 NA
2018 Q2 1 0  1
2018 Q3 1 0  1
2018 Q4 0 0 NA