为什么apply()返回一个转置的xts矩阵?
我想运行上的XTS矩阵的各个时期的功能。适用于()是非常快的,但返回的矩阵转置已尺寸相比原来的对象:为什么apply()返回一个转置的xts矩阵?
> dim(myxts)
[1] 7429 48
> myxts.2 = apply(myxts, 1 , function(x) { return(x) })
> dim(myxts.2)
[1] 48 7429
> str(myxts)
An 'xts' object from 2012-01-03 09:30:00 to 2012-01-30 16:00:00 containing:
Data: num [1:7429, 1:48] 4092500 4098500 4091500 4090300 4095200 ...
- attr(*, "dimnames")=List of 2
..$ : NULL
..$ : chr [1:48] "Open" "High" "Low" "Close" ...
Indexed by objects of class: [POSIXlt,POSIXt] TZ:
xts Attributes:
NULL
> str(myxts.2)
num [1:48, 1:7429] 4092500 4098500 4091100 4098500 0 ...
- attr(*, "dimnames")=List of 2
..$ : chr [1:48] "Open" "High" "Low" "Close" ...
..$ : chr [1:7429] "2012-01-03 09:30:00" "2012-01-03 09:31:00" "2012-01-03 09:32:00" "2012-01-03 09:33:00" ...
> nrow(myxts)
[1] 7429
> head(myxts)
Open High Low Close
2012-01-03 09:30:00 4092500 4098500 4091100 4098500
2012-01-03 09:31:00 4098500 4099500 4092000 4092000
2012-01-03 09:32:00 4091500 4095000 4090000 4090200
2012-01-03 09:33:00 4090300 4096400 4090300 4094900
2012-01-03 09:34:00 4095200 4100000 4095200 4099900
2012-01-03 09:35:00 4100000 4100000 4096500 4097500
我怎样才能保持myxts尺寸是多少?
这就是apply
被记录的事情。从?apply
:
值:
If each call to ‘FUN’ returns a vector of length ‘n’, then ‘apply’ returns an array of dimension ‘c(n, dim(X)[MARGIN])’ if ‘n > 1’.
在你的情况,'n'=48
(因为你遍历行),所以apply
将返回维c(48, 7429)
的数组。
另外请注意myxts.2
是而不是一个xts对象。这是一个常规阵列。你有几个选择:
-
重新创建您的XTS前转的
apply
结果对象:data(sample_matrix) myxts <- as.xts(sample_matrix) dim(myxts) # [1] 180 4 myxts.2 <- apply(myxts, 1 , identity) dim(myxts.2) # [1] 4 180 myxts.2 <- xts(t(apply(myxts, 1 , identity)), index(myxts)) dim(myxts.2) # [1] 180 4
矢量化的功能,因此它的全行工作XTS 对象,返回一个xts对象。然后,你不必担心 约
apply
可言。
最后,请开始提供可重复的例子。这并不难,让人们更容易帮忙。我提供了一个上面的例子,我希望你可以在你的下面的问题中使用它。
如果我想要选项2,如何将每行全行传递给我的处理函数?例如,myxts $结果= $ myxts关闭 - myxts $打开适用于特定的领域,但如果我要调用的全行中传递的参数之一的功能是什么? – 2012-03-01 18:13:50
@RobertKubrick:如果没有看到你的功能,我无法回答。它可能会也可能不会。至少,你可以将你的处理函数包装在另一个选项1的函数中。它不会真正被矢量化,但是如果你要做很多工作,它会更干净。 – 2012-03-01 18:19:01
与for循环相比,解决方案1速度非常快。想了解为什么,但也许这是一个不同的问题。 – 2012-03-01 18:19:53
数据的一个小片段将是有益的,所以我们可以重现该问题。 – Justin 2012-03-01 17:54:37