代码之家 › 专栏 › 技术社区 › Alex Quintino Barbi

通过数据帧自动执行R中的多项计算

financial matrix loops function r

Alex Quintino Barbi · 技术社区 · 8 年前

我有一系列向量,每一个都被命名为股票,比如Facebook股份有限公司的FB。所以我在一个数据帧中有70多个向量系列,例如GEEK、IPAS、JCON等。对于每一对股票,例如GEEK和JCON,我必须计算一个称为“相互信息”的度量值。我已经做了一些代码,在一对股票上找到了这个度量,就像这样。

要查找 entropyz (X,Y的熵,即笨蛋和 联合通信网络 退货)

denz<-kde2d(x,y, n=512, lims=c(xlim,ylim))
z<-denz$z
cell_sizez<-(diff(xlim)/512) * (diff(ylim)/512)
normz<-sum(z)*cell_sizez
integrandz<-z*log(z)
entropyz<-sum(integrandz)*cell_sizez
entropyz<-entropyz/normz

要查找 entropyx (比如X的熵笨蛋退货)

denx<-kde(x=x,gridsize = 512, xmin=xlim[1], xmax = xlim[2])
zx<-denx$estimate
cell_sizex<-(diff(xlim)/512) 
normx<-sum(zx)*cell_sizex
integrandx<-zx*log(zx)
entropyx<-sum(integrandx)*cell_sizex
entropyx<-entropyx/normx

要查找 entropyy (比如Y的熵 联合通信网络 退货)

deny<-kde(x=y,gridsize = 512, xmin=ylim[1], xmax = ylim[2])
zy<-deny$estimate
cell_sizey<-(diff(ylim)/512) 
normy<-sum(zy)*cell_sizey
integrandy<-zy*log(zy)
entropyy<-sum(integrandy)*cell_sizey
entropyy<-entropyy/normy

最后,为了找到笨蛋和 联合通信网络

MI <- entropyx+entropyy-entropyz

所以,我找到了X和Y(上面两支股票)的共同信息。但我必须为70多只股票(向量)计算这个度量,70*69/2次迭代=2415;这就像制作一个相关矩阵,因为它是成对比较。问题是,人们是否知道如何使R找到所有配对的互信息( x,y )在我的数据集中。因此,换句话说,对数据帧上的每一对重复此代码,从而创建一个成对矩阵。

谢谢!

1 回复 | 直到 8 年前

jamieRowen 8 年前

如果创建函数 MI 它接受两个数据向量,并返回值,您可以使用类似下面的内容生成一个对称方阵,结果在中。如果我们假设您的数据在数据框中 df 我们可以做的

MI = function(x,y,xlim,ylim){
  denz<-kde2d(x,y, n=512, lims=c(xlim,ylim))
  z<-denz$z
  cell_sizez<-(diff(xlim)/512) * (diff(ylim)/512)
  normz<-sum(z)*cell_sizez
  integrandz<-z*log(z)
  entropyz<-sum(integrandz)*cell_sizez
  entropyz<-entropyz/normz

  denx<-kde(x=x,gridsize = 512, xmin=xlim[1], xmax = xlim[2])
  zx<-denx$estimate
  cell_sizex<-(diff(xlim)/512) 
  normx<-sum(zx)*cell_sizex
  integrandx<-zx*log(zx)
  entropyx<-sum(integrandx)*cell_sizex
  entropyx<-entropyx/normx

  deny<-kde(x=y,gridsize = 512, xmin=ylim[1], xmax = ylim[2])
  zy<-deny$estimate
  cell_sizey<-(diff(ylim)/512) 
  normy<-sum(zy)*cell_sizey
  integrandy<-zy*log(zy)
  entropyy<-sum(integrandy)*cell_sizey
  entropyy<-entropyy/normy

  return(entropyx+entropyy-entropyz)
}
df = data.frame(1:10,1:10,1:10,1:10,1:10)
matrix(
  apply(
    expand.grid(
      seq_along(df),seq_along(df)),1,
    FUN = function(i,j) MI(df[,i],df[,j],xlim,ylim)
    ),
  nrow = ncol(df)
)

这是因为 expand.grid 给出了n^2x2数据帧中所有列指示符的组合。然后我们应用 医疗保险 函数,并将结果存储在矩阵中。

编辑: 编辑以使其更清晰