将数据框转换为 r 中的面板数据集

Question

我有以下贷款数据集。对于每笔贷款，我都要求amount，贷款发放日期issue_date，最后一次paymnet收到日期last_payment_date，months_passed这是issue_date和last_payment_date之间的月差，贷款term 是否是所有贷款的 36 和贷款的 status。

贷款状态是

(a)如果 paymnet 延迟超过 120 天，即 4 个月以上，则“扣款”

(b)“全额支付”如果已偿还所有贷款

(c)“不符合信用政策。状态：Charged Off”同(a)

(d)“不符合信用政策。状态：全额支付”同(b)

(e)“默认”同(a)

df <- data.frame(id=c("John","Ben","Bill", "Eminem"),
                  amount=c("300", "500", "1000", "1200"),
                  issue_date=c("2010-01-01","2011-01-01","2012-01-01", "2015-02-01"),
                  last_pymnt_date=c("2013-02-01","2012-05-01","2014-01-01", "2018-02-01"),
                  months_passed=c(37,16,24,36),
                  term = c("36", "36", "36", "36"),
                  status=c("Fully paid",
                           "Charged off",
                           "Does not meet the credit policy. Status:Charged Off",
                           "Does not meet the credit policy. Status:Fully Paid"),
             stringsAsFactors = F)

我正在创建将成为面板第一列的时间间隔，如下所示

time_interval <- as.data.frame(rep(seq(from = as.Date("2007-08-01"),
                                       to = as.Date("2018-02-01"),
                                       by = "month"),
                                   4))
colnames(time_interval) <- c("time")

我想通过填写以下内容将其转换为 PANEL 数据集：

1-每笔贷款的日期为 2007 年 8 月至 2018 年 2 月，但仅在有效时才会出现。也就是说，如果 2008 年 8 月发放的贷款将从 2008 年 8 月到 2011 年 8 月出现，即 36 行。在此日期之前和之后，我们对贷款一无所知，因此应将缺失值分配给变量（应为第一列的月份变量除外）。

2-添加一列months，它将是 1,2,3,...,35,36

3- 在它旁边我想添加另一个虚拟变量paid，因为我想根据status 捕捉借款人是否已完成当月的付款。如果贷款有status 是“全额支付”或“不符合信用政策。状态：全额支付”而不是paid 列将是全1(1) 36 个月，如果status 是“已注销” ”或“不符合信用政策。状态：已注销”我们将在最后一个付款日期之前拥有一个，之后全为零。对于 Ben，我们将有 16 个 1 和 20 个 0。

有关有助于如何构造变量 paid(非常重要) 的状态的说明，请参阅上面的说明

这对于像我这样的业余爱好者来说看起来很复杂，但对于 R 中的专家级程序员来说应该不难。

请查看平衡面板数据集结构的外观，以便更好地理解我的要求。所有贷款均已到期。

有什么建议吗？

谢谢

Answer 1

样本数据

df <- data.frame(id=c("John","Ben","Bill"),
                 amount=c("300", "500", "1000"),
                 issue_date=c("2010-01-01","2011-01-01","2012-01-01"),
                 last_pymnt_date=c("2011-01-01","2011-07-01","2014-01-01"),
                 months_passed=c(12,6,24),
                 term = c("30", "30", "60"),
                 stringsAsFactors = FALSE)   # <<-----  !!!!

数据表解决方案

library( data.table )
library( lubridate )
dt <- as.data.table( df ) #or setDT( df ) when working with (very) large datasets, to save memory
#set data as posix
dt[, `:=`( issue_date = as.Date( issue_date), last_pymnt_date = as.Date( last_pymnt_date ) )]

result <- dt[ , list(id = id, 
                     amount = amount, 
                     month = seq( from = issue_date, to = issue_date %m+% months( as.numeric( term ) - 1), by = "month" ),
                     paid = rep( rep( c(1,0), times = .N ), times = as.vector(rbind( months_passed, as.numeric( term ) - months_passed ) ) )
                     ), 
    by = 1:nrow(dt)][, nrow := NULL]

#        id amount      month paid
#   1: John    300 2010-01-01    1
#   2: John    300 2010-02-01    1
#   3: John    300 2010-03-01    1
#   4: John    300 2010-04-01    1
#   5: John    300 2010-05-01    1
# ---                            
# 116: Bill   1000 2016-08-01    0
# 117: Bill   1000 2016-09-01    0
# 118: Bill   1000 2016-10-01    0
# 119: Bill   1000 2016-11-01    0
# 120: Bill   1000 2016-12-01    0

Answer 2

这是一个base R 选项。

reps <- c(rbind(df$months_passed,
                as.numeric(as.character(df$term)) - df$months_passed))

df2 <- data.frame(id = rep(unique(df$id), df$term), 
                  paid = rep(rep(c(1, 0), length(unique(df$id))), times = reps),
                  stringsAsFactors = FALSE)

merge(df, df2, sort = FALSE)
#      id amount issue_date last_pymnt_date months_passed term paid
#1   John    300 2010-01-01      2011-01-01            12   30    1
#2   John    300 2010-01-01      2011-01-01            12   30    1
#3   John    300 2010-01-01      2011-01-01            12   30    1
#4   John    300 2010-01-01      2011-01-01            12   30    1
#5   John    300 2010-01-01      2011-01-01            12   30    1
#6   John    300 2010-01-01      2011-01-01            12   30    1
#7   John    300 2010-01-01      2011-01-01            12   30    1
#8   John    300 2010-01-01      2011-01-01            12   30    1
#9   John    300 2010-01-01      2011-01-01            12   30    1
#10  John    300 2010-01-01      2011-01-01            12   30    1
#11  John    300 2010-01-01      2011-01-01            12   30    1
#12  John    300 2010-01-01      2011-01-01            12   30    1
#13  John    300 2010-01-01      2011-01-01            12   30    0
# ...

这个想法是为每个id 创建一个重复c(1, 0) 次months_passed 和term - months_passed 的向量。 df2 包含我们可以在 id 上与 df 合并的信息。

---

另一个使用data.table的想法

library(data.table)
setDT(df)
df[df[, .(paid = `length<-`(rep(1, months_passed), term)), by = id], on = "id"
   ][, paid := replace(paid, is.na(paid), 0)][]

在这里，我们首先创建列paid 作为包含1（重复months_passed 次）和NA 使用"length<-" 的向量。对于每个id，此向量的长度为term。

与base R 解决方案类似，我们将id 上的df 与df 相结合，之后我们将NA 替换为零以获得所需的输出。