R：过滤另一行中的值与条件匹配的行答案

【问题标题】：R: Filter for rows where a value in another row matches a conditionR：过滤另一行中的值与条件匹配的行
【发布时间】：2020-11-12 07:35:24
【问题描述】：

我有一个包含超过 1000 种资产的长格式财务数据的大型数据框，我正在尝试分析一只股票的回报影响其他股票的回报的情况。我想过滤一个图以查看在另一项资产的值为 X 的那一天，一项资产的值如何。

我创建了一个模拟数据框来说明我的问题：

library(dplyr)
library(ggplot2)

the_date <- c('01-01-1990', '02-01-1990', '03-01-1990', '04-01-1990', '05-01-1990', '01-01-1990', '02-01-1990', '01-01-1990', '02-01-1990','03-01-1990')
the_asset <- c('AAPL', 'AAPL', 'AAPL', 'AAPL', 'AAPL', 'MSFT', 'MSFT','AMZN', 'AMZN', 'AMZN')
the_price <- as.numeric(c(5,6,4,7,8,12,14,50,48,62))
the_returns <- as.numeric(c(0.1, -0.2, 0.14, 0.01, 0.05, -0.002, -0.11, 0.07, 0.08, 0.22))

test_df1 <- data.frame(the_date, the_asset, the_price, the_returns)

test_df1 <- test_df1 %>%
  group_by(the_asset) %>%
  mutate(quartile = ntile(the_returns, n=4))

然后我在 ggplot 中按四分位数绘制回报：

test_df1 %>%
  group_by(quartile) %>%
  ggplot(aes(x = quartile, y = the_returns)) +
  geom_bar(stat = 'identity') +
  ggtitle('Returns by Quartile')

我想按以下方式过滤此图：

当“AMZN”（或任何其他股票）的四分位数在同一日期为 1（例如, 可以是 2 或 3)

我曾考虑将数据框设为宽格式，以便将每个资产作为单独的列，但我不确定这是否是最佳选择或如何准确进行。

【问题讨论】：

另一只股票在同一天的四分位数是1是什么意思？你的意思是四分位数必须等于 1 并且两只股票之间的日期必须相同？
股票之间的日期必须相同。四分位数只是我创建的一列，用于将退货分为 4 组，但我们可能只想过滤 'AMZN' 的_returns >0 而不是使用四分位数

标签： r dplyr

【解决方案1】：

这应该可以，但是在小数据集上它不会返回一个漂亮的图，因为在过滤到您提到的条件后剩下的行太少了：

test_df1 %>%
  spread(the_asset,quartile, fill=0) %>%
  filter(AMZN==1) %>% 
  ggplot(aes(x = as.factor(AAPL), y = the_returns)) +
  geom_bar(stat = 'identity') +
  ggtitle('Returns by Quartile')

【讨论】：

【解决方案2】：

你可以使用 SQL 来解决这个问题（我相信你可以用 dplyr 做同样的事情，但我更擅长 sql...）。

# Add a column with the count of dates that are the same
library(sqldf) # you might have to install other packages to make this one work

test_df1<-sqldf("SELECT count(*) OVER (PARTITION BY the_date) AS SAME_DATE, *  
      FROM test_df1 ")

还有剧情：

ggplot(test_df1,
       aes(
         x = SAME_DATE,
         y = the_returns
         
       
       )) +
  geom_bar(stat = 'identity', aes(fill =the_asset)) 
  ggtitle('Returns by Quartile')

编辑：也许这样更好：

ggplot(test_df1,
       aes(
         x = SAME_DATE,
         y = the_returns
         
       )) +
  geom_bar(stat = 'identity', alpha = 0.5) +
  geom_jitter(aes(shape = the_asset, color = the_asset),size = 4)
ggtitle('Returns by Date')

【讨论】：