按日期计算加权平均值

Question

我是 R 新手，在按日期聚合时遇到一些困难。我有每个日期包含多个价格和数量条目的时间序列数据。实际数据更复杂，但看起来像这样：

price<-c(1.50,3,1.50,3,3,2.90,3)
quantity<-c(10,5,10,5,5,5,5)
date<-c('01/09/21','01/09/21','01/16/21','01/16/21','01/23/21','01/30/21','01/30/21')
df<-data.frame(date,price,quantity)

日期	价格	数量
01/09/21	1.5	10
01/09/21	3	5
21/16/01	1.5	10
21/16/01	3	5
21/01/23	3	5
01/30/21	2.9	5
01/30/21	3	5

我想创建一个新的数据框，其中仅包含四个单独的日期和每个日期的单个价格值。为此，我尝试计算每个日期的加权平均价格，类似于下面的示例：

日期	价格加权
01/09/21	2
21/16/01	2
21/01/23	3
01/30/21	2.95

我尝试过使用

price_weighted<-aggregate(price~date,df,weighted.mean)

，它返回的结果与我想要的类似，但由于某种原因，它计算的是平均价格而不是加权平均值。任何建议将不胜感激！

Answer 1

您可以使用 dplyr 来完成此操作，方法是将价格乘以数量除以当天的总数量。

library(dplyr)
price<-c(1.50,3,1.50,3,3,2.90,3)
quantity<-c(10,5,10,5,5,5,5)
date<-c('01/09/21','01/09/21','01/16/21','01/16/21','01/23/21','01/30/21','01/30/21')
df<-data.frame(date,price,quantity)

df %>% 
  group_by(date) %>% 
  summarise(wt_mean = sum(price * quantity/sum(quantity)))
#> # A tibble: 4 × 2
#>   date     wt_mean
#>   <chr>      <dbl>
#> 1 01/09/21    2   
#> 2 01/16/21    2   
#> 3 01/23/21    3   
#> 4 01/30/21    2.95

您也可以使用基本 R 中的

by()

或

tapply()

来完成此操作：

by(df, list(df$date), function(x)Hmisc::wtd.mean(x$price, weights=x$quantity))
#> : 01/09/21
#> [1] 2
#> ------------------------------------------------------------ 
#> : 01/16/21
#> [1] 2
#> ------------------------------------------------------------ 
#> : 01/23/21
#> [1] 3
#> ------------------------------------------------------------ 
#> : 01/30/21
#> [1] 2.95

tapply(df, df$date, function(x)Hmisc::wtd.mean(x$price, weights=x$quantity))
#> 01/09/21 01/16/21 01/23/21 01/30/21 
#>     2.00     2.00     3.00     2.95

^{创建于 2024-04-13，使用 reprex v2.0.2}

Answer 2

考虑使用

aggregate

使用

transform

运行前后计算：

aggregate(
  x = cbind(revenue, quantity) ~ date, 
  data = transform(df, revenue = price * quantity),
  FUN = sum
) |> transform(
  weighted_average = revenue / quantity
)
#       date revenue quantity weighted_average
# 1 01/09/21    30.0       15             2.00
# 2 01/16/21    30.0       15             2.00
# 3 01/23/21    15.0        5             3.00
# 4 01/30/21    29.5       10             2.95

Answer 3

底座安装中有

weighted.mean()

。

> by(df, df$date, \(x) {
+   with(x, data.frame(date=el(date), 
+                      price_weighted=weighted.mean(price, quantity/sum(quantity))))
+ }) |> do.call(what='rbind')
             date price_weighted
01/09/21 01/09/21           2.00
01/16/21 01/16/21           2.00
01/23/21 01/23/21           3.00
01/30/21 01/30/21           2.95