对于非零之前的值，用 NA 替换零

Question

我是 R 新手，并且一直在努力解决以下问题，所以我希望有人能够帮助我。

样本数据代表股票价格回报（每行是一个月）。真实数据集要大得多，其结构类似于以下输入：

输入：

stock1 <- c(0.01, -0.02, 0.01, 0.05, 0.04, -0.02)
stock2 <- c(0, 0, 0.02, 0.04, -0.03, 0.02)
stock3 <- c(0, 0, 0.02, 0, -0.01, 0.03)
stock4 <- c(0, -0.02, 0.01, 0, 0, -0.02)
df <- cbind(stock1,stock2,stock3,stock4)

     stock1 stock2 stock3 stock4
[1,]   0.01   0.00   0.00   0.00
[2,]  -0.02   0.00   0.00  -0.02
[3,]   0.01   0.02   0.02   0.01
[4,]   0.05   0.04   0.00   0.00
[5,]   0.04  -0.03  -0.01   0.00
[6,]  -0.02   0.02   0.03  -0.02

对于给定股票，在非零之前的任何零都表示缺失数据，而不是该期间的零回报。我想将这些值设置为 NA 所以我想实现的输出如下：

期望的输出：

stock1 <- c(0.01, -0.02, 0.01, 0.05, 0.04, -0.02)
stock2 <- c(NA, NA, 0.02, 0.04, -0.03, 0.02)
stock3 <- c(NA, NA, 0.02, 0, -0.01, 0.03)
stock4 <- c(NA, -0.02, 0.01, 0, 0, -0.02)
df <- cbind(stock1,stock2,stock3,stock4)

     stock1 stock2 stock3 stock4
[1,]   0.01     NA     NA     NA
[2,]  -0.02     NA     NA  -0.02
[3,]   0.01   0.02   0.02   0.01
[4,]   0.05   0.04   0.00   0.00
[5,]   0.04  -0.03  -0.01   0.00
[6,]  -0.02   0.02   0.03  -0.02

我尝试了一些方法，但它们似乎只适用于单个向量，而不是具有多列的数据集。我试过使用 lapply 来解决这个问题，但到目前为止还没有任何运气。我得到的最接近的如下所示。

我的单向量解决方案：

stock1[1:min(which(stock1!=0))-1 <- NA

我的多向量解决方案不起作用：

lapply(df,function(x) x[1:min(which(x!=0))-1 <- NA]

非常感谢任何指导！谢谢！

Answer 1

存在三个问题。一、写作：

df <- cbind(stock1,stock2,stock3,stock4)

不创建数据框。它创建了一个矩阵。这是当您尝试使用lapply 时出现的问题，它将对数据框 的列进行操作，但对矩阵 的元素进行操作。相反，你应该写：

df <- data.frame(stock1,stock2,stock3,stock4)

其次，您在lapply 中使用的函数需要返回修改后的向量。否则，返回值会出乎意料（在这种情况下，赋值将返回单个NA，而lapply 将返回一行NAs 的数据框，而不是您想要的数据框） .

第三，当n 可以为零时（即，当第一个股票报价不为零时），您需要注意1:n，因为1:0 给出了序列c(1,0)，而不是一个空序列。 （这可以说是 R 最愚蠢的功能之一。）

因此，以下内容将为您提供您想要的：

stock1 <- c(0.01, -0.02, 0.01, 0.05, 0.04, -0.02)
stock2 <- c(0, 0, 0.02, 0.04, -0.03, 0.02)
stock3 <- c(0, 0, 0.02, 0, -0.01, 0.03)
stock4 <- c(0, -0.02, 0.01, 0, 0, -0.02)
df <- data.frame(stock1,stock2,stock3,stock4)

as.data.frame(lapply(df, function(x) {
    n <- min(which(x != 0)) - 1
    if (n > 0)
        x[1:n] <- NA
    x
}))

输出如预期：

  stock1 stock2 stock3 stock4
1   0.01     NA     NA     NA
2  -0.02     NA     NA  -0.02
3   0.01   0.02   0.02   0.01
4   0.05   0.04   0.00   0.00
5   0.04  -0.03  -0.01   0.00
6  -0.02   0.02   0.03  -0.02

更新：正如@Daniel_Fischer 所说，有一个巧妙的技巧可以避免1:0 问题。你可以改写：

as.data.frame(lapply(df, function(x) {
    n <- min(which(x != 0)) - 1
    x[0:n] <- NA    # use 0:n instead of 1:n
    x
}))

这利用了 R 在这种类型的索引操作中忽略零的事实，所以：

x[0:0] <- NA    # same as x[0] <- NA and does nothing
x[0:1] <- NA    # same as x[1] <- NA
x[0:2] <- NA    # same as x[1:2] <- NA, etc.

Answer 2

这可能不是最优雅的方式，但我认为它有效

changeValues <- function(x){
   place <- min(which(diff(c(0,cumsum(x==0)))==0))-1;
   x[0:place] <- NA
   x
}

apply(df,2,changeValues)

编辑：对该函数的一些简要说明：首先，我创建一个向量，该向量在列中为零的每个位置增加，然后检查该向量在哪个位置不增加（=这意味着，没有两个彼此相邻的零），然后我仍然取其中的最小值，并确保这些只是前导零（这样矩阵内的值就不会改变）

Answer 3

stock1 <- c(0.01, -0.02, 0.01, 0.05, 0.04, -0.02)
stock2 <- c(0, 0, 0.02, 0.04, -0.03, 0.02)
stock3 <- c(0, 0, 0.02, 0, -0.01, 0.03)
stock4 <- c(0, -0.02, 0.01, 0, 0, -0.02)
df <- data.frame(stock1,stock2,stock3,stock4) #the following function only works if df is actually a data.frame

df[] <- lapply(df, function(x) {ifelse(cumsum(x) == 0 & x == 0, NA, x)})

df

  stock1 stock2 stock3 stock4
1   0.01     NA     NA     NA
2  -0.02     NA     NA  -0.02
3   0.01   0.02   0.02   0.01
4   0.05   0.04   0.00   0.00
5   0.04  -0.03  -0.01   0.00
6  -0.02   0.02   0.03  -0.02

一些解释：首先检查每个单元格的累积colSum和当前单元格是否等于0。如果是，则返回NA，否则返回原始值。 df 后面的括号确保lapply 函数再次返回分配给df 的dataframe。

另外，如果您真的不需要 df 作为数据框，这也可以：

df <- cbind(stock1,stock2,stock3,stock4)
apply(df, 2, function(x) {ifelse(cumsum(x) == 0 & x == 0, NA, x)})