R中的聚合和加权平均值答案

【问题标题】：Aggregate and Weighted Mean in RR中的聚合和加权平均值
【发布时间】：2020-09-03 16:11:45
【问题描述】：

我正在尝试按资产类别计算资产加权回报。对于我的生活，我无法弄清楚如何使用聚合命令来做到这一点。

我的数据框是这样的

dat <- data.frame(company, fundname, assetclass, return, assets)

我正在尝试做类似的事情（不要复制这个，这是错误的）：

aggregate(dat, list(dat$assetclass), weighted.mean, w=(dat$return, dat$assets))

【问题讨论】：

标签： r aggregate

【解决方案1】：

对于初学者来说，w=(dat$return, dat$assets)) 是一个语法错误。

plyr 让这件事变得更容易：

> set.seed(42)   # fix seed so that you get the same results
> dat <- data.frame(assetclass=sample(LETTERS[1:5], 20, replace=TRUE), 
+                   return=rnorm(20), assets=1e7+1e7*runif(20))
> library(plyr)
> ddply(dat, .(assetclass),   # so by asset class invoke following function
+       function(x) data.frame(wret=weighted.mean(x$return, x$assets)))
  assetclass     wret
1          A -2.27292
2          B -0.19969
3          C  0.46448
4          D -0.71354
5          E  0.55354
>

【讨论】：

它就像一个魅力。第一次尝试时，我将函数中的 x 替换为 dat（为每个资产类别返回相同的数字）。知道为什么这不适用于聚合命令吗？
似乎aggregate 聚合了您希望在两列上进行计算的每一列。我想不久前我使用doBy 或类似的东西——但是，嘿，plyr 使它更容易，并且有其他花里胡哨。
我知道这会发生 ;-) 感谢您挥舞着线索。

【解决方案2】：

data.table 解决方案，会比plyr 更快

library(data.table)
DT <- data.table(dat)
DT[,list(wret = weighted.mean(return,assets)),by=assetclass]
##    assetclass        wret
## 1:          A -0.05445455
## 2:          E -0.56614312
## 3:          D -0.43007547
## 4:          B  0.69799701
## 5:          C  0.08850954

【讨论】：

我一直想看看 data.table 一段时间了。随着数据库的增长，我想是时候了。欣赏指针！

【解决方案3】：

这也可以通过聚合轻松完成。它有助于记住加权平均值的替代方程。

rw <- dat$return * dat$assets
dat1 <- aggregate(rw ~ assetclass, data = dat, sum)
datw <- aggregate(assets ~ assetclass, data = dat, sum)
dat1$weighted.return <- dat1$rw / datw$assets

【讨论】：

等一下，这没有意义。您实际上是将平均值除以平均样本数。加权平均值是加权值的总和除以权重的总和
有多种方法来做权重，在这种情况下，它是样本的数量，所以它是正确的。权重方程不止一个。在 Dirk 的数据上运行它。
mean() 的使用让我很困惑。可能是sum()；使用mean() 意味着我们将分子和分母除以nlevels(assetclass)（对于非常大的数据集，平均值可能在数值上更稳定）
是的，对于两个聚合，可以使用sum 重写。结果是一样的，因为相等长度上的两个总和之比等于两个平均值之比（显然平均值中的分母是恒定的）。回想起来，我什至不知道为什么我把平均值放在那里，所以我把它改成了总和。我可能一直在看一本加权平均方程的书，然后选择了一个可行的替代方案。

【解决方案4】：

最近发布的collapse 包提供了一套完整的Fast Statistical Functions 在C++ 内部执行分组和加权计算，从而快速解决了这个问题和类似问题（使用加权中值、众数等）：

library(collapse)
dat <- data.frame(assetclass = sample(LETTERS[1:5], 20, replace = TRUE), 
                  return = rnorm(20), assets = 1e7+1e7*runif(20))

# Using collap() function with fmean, which supports weights: (by default weights are aggregated using the sum, which is prevented using keep.w = FALSE)
collap(dat, return ~ assetclass, fmean, w = ~ assets, keep.w = FALSE)
##   assetclass     return
## 1          A -0.4667822
## 2          B  0.5417719
## 3          C -0.8810705
## 4          D  0.6301396
## 5          E  0.3101673

# Can also use a dplyr-like workflow: (use keep.w = FALSE to omit sum.assets)
library(magrittr)
dat %>% fgroup_by(assetclass) %>% fmean(assets)
##   assetclass sum.assets     return
## 1          A   80683025 -0.4667822
## 2          B   27411156  0.5417719
## 3          C   22627377 -0.8810705
## 4          D  146355734  0.6301396
## 5          E   25463042  0.3101673

# Or simply a direct computation yielding a vector:
dat %$% fmean(return, assetclass, assets)
##          A          B          C          D          E 
## -0.4667822  0.5417719 -0.8810705  0.6301396  0.3101673

【讨论】：