R lapply 有几个动态参数

Posted 2023-03-28

技术标签:

【中文标题】R lapply 有几个动态参数【英文标题】：R lapply with several dynamic arguments 【发布时间】：2020-04-12 17:18:39 【问题描述】：

我正在尝试使用来自数据框的输入来运行 lapply 函数（示例如下）。

下面是我称之为holdings.csv的csv文件示例：

ticker,buy_date,shares_hold,buy_price,sell_date
"AAPL","2019-11-25",0.07,264.5714,
"MSFT","2019-11-29",0.195,151.85,
"MSFT","2020-04-08",0.6,165.17,
"DIS","2020-01-16",0.15,144.6,
"AMZN","2020-04-08",0.048,2017.5,
"BRK-B","2020-04-09",0.75,195.28,

然后我将该数据导入到数据框中：

lots <- read_csv("holdings.csv")

> lots
# A tibble: 6 x 5
  ticker buy_date   shares_hold buy_price sell_date
  <chr>  <date>           <dbl>     <dbl> <lgl>    
1 AAPL   2019-11-25       0.07       265. NA       
2 MSFT   2019-11-29       0.195      152. NA       
3 MSFT   2020-04-08       0.6        165. NA       
4 DIS    2020-01-16       0.15       145. NA       
5 AMZN   2020-04-08       0.048     2018. NA       
6 BRK-B  2020-04-09       0.75       195. NA

然后我使用tidyquantpackage 中的tq_get 函数运行以下代码：

prices <- lapply(lots$ticker, FUN = tq_get, 
                          from = lots$buy_date,
                          get = "stock.prices",
                          to = today())

lapply 函数正确获取并使用第一个参数（ticker 向量）（在定义的数据框列中逐行进行），但它假定第二个参数（buy_date 向量）作为静态值（不是逐行）。

基本上，我想使用不同的开始日期（第二个参数）从不同的公司（第一个参数）获取股票价格，但它会查找所有不同公司的股票价格，但从同一日期开始。

在输出下方，有 6 个列表（与输入数据框的列表相同），但每个列表的行数相同（因为所有列表都来自相同的开始日期）。

> prices
[[1]]
# A tibble: 94 x 8
   symbol date        open  high   low close   volume adjusted
   <chr>  <date>     <dbl> <dbl> <dbl> <dbl>    <dbl>    <dbl>
 1 AAPL   2019-11-25  263.  266.  263.  266. 21005100     266.
 2 AAPL   2019-11-26  267.  267.  262.  264. 26301900     264.
 3 AAPL   2019-11-27  266.  268.  265.  268. 16308900     267.
 4 AAPL   2019-11-29  267.  268   266.  267. 11654400     267.
 5 AAPL   2019-12-02  267.  268.  263.  264. 23621800     264.
 6 AAPL   2019-12-03  258.  260.  256.  259. 28607600     259.
 7 AAPL   2019-12-04  261.  263.  261.  262. 16795400     261.
 8 AAPL   2019-12-05  264.  266.  263.  266. 18606100     265.
 9 AAPL   2019-12-06  267.  271   267.  271. 26518900     270.
10 AAPL   2019-12-09  270   271.  265.  267. 32010600     266.
# ... with 84 more rows

[[2]]
# A tibble: 94 x 8
   symbol date        open  high   low close   volume adjusted
   <chr>  <date>     <dbl> <dbl> <dbl> <dbl>    <dbl>    <dbl>
 1 MSFT   2019-11-25  150   151.  150.  151. 22420900     151.
 2 MSFT   2019-11-26  151.  152.  151.  152. 24620100     152.
 3 MSFT   2019-11-27  152.  152.  152.  152. 15184400     152.
 4 MSFT   2019-11-29  152.  152.  151.  151. 11977300     151.
 5 MSFT   2019-12-02  152.  152.  148.  150. 27418400     149.
 6 MSFT   2019-12-03  147.  149.  147.  149. 24066000     149.
 7 MSFT   2019-12-04  150.  150.  149.  150. 17574700     149.
 8 MSFT   2019-12-05  150.  150.  149.  150. 17869100     150.
 9 MSFT   2019-12-06  151.  152.  150.  152. 16403500     151.
10 MSFT   2019-12-09  151.  152.  151.  151. 16687400     151.
# ... with 84 more rows

[[3]]
# A tibble: 94 x 8
   symbol date        open  high   low close   volume adjusted
   <chr>  <date>     <dbl> <dbl> <dbl> <dbl>    <dbl>    <dbl>
 1 MSFT   2019-11-25  150   151.  150.  151. 22420900     151.
 2 MSFT   2019-11-26  151.  152.  151.  152. 24620100     152.
 3 MSFT   2019-11-27  152.  152.  152.  152. 15184400     152.
 4 MSFT   2019-11-29  152.  152.  151.  151. 11977300     151.
 5 MSFT   2019-12-02  152.  152.  148.  150. 27418400     149.
 6 MSFT   2019-12-03  147.  149.  147.  149. 24066000     149.
 7 MSFT   2019-12-04  150.  150.  149.  150. 17574700     149.
 8 MSFT   2019-12-05  150.  150.  149.  150. 17869100     150.
 9 MSFT   2019-12-06  151.  152.  150.  152. 16403500     151.
10 MSFT   2019-12-09  151.  152.  151.  151. 16687400     151.
# ... with 84 more rows

[[4]]
# A tibble: 94 x 8
   symbol date        open  high   low close   volume adjusted
   <chr>  <date>     <dbl> <dbl> <dbl> <dbl>    <dbl>    <dbl>
 1 DIS    2019-11-25  149.  150.  148.  150. 11316800     149.
 2 DIS    2019-11-26  152.  153.  151.  152. 24949900     151.
 3 DIS    2019-11-27  152.  153.  151.  151.  6155400     151.
 4 DIS    2019-11-29  151.  152.  151.  152.  6284900     151.
 5 DIS    2019-12-02  153.  153.  149.  151. 10351000     150.
 6 DIS    2019-12-03  148.  149.  147.  149.  9273800     148.
 7 DIS    2019-12-04  149.  149.  148.  148.  7684800     147.
 8 DIS    2019-12-05  149.  149.  147.  147.  7363300     147.
 9 DIS    2019-12-06  148.  149.  147.  148.  7084900     147.
10 DIS    2019-12-09  148.  149.  145.  146. 11515000     145.
# ... with 84 more rows

[[5]]
# A tibble: 94 x 8
   symbol date        open  high   low close  volume adjusted
   <chr>  <date>     <dbl> <dbl> <dbl> <dbl>   <dbl>    <dbl>
 1 AMZN   2019-11-25 1753. 1777. 1753. 1774. 3486200    1774.
 2 AMZN   2019-11-26 1780. 1797. 1778. 1797. 3181200    1797.
 3 AMZN   2019-11-27 1801  1824. 1797. 1819. 3025600    1819.
 4 AMZN   2019-11-29 1818. 1825. 1801. 1801. 1923400    1801.
 5 AMZN   2019-12-02 1804. 1806. 1763. 1782. 3925600    1782.
 6 AMZN   2019-12-03 1760  1773. 1747. 1770. 3380900    1770.
 7 AMZN   2019-12-04 1774. 1789. 1760. 1761. 2670100    1761.
 8 AMZN   2019-12-05 1764. 1764. 1740  1740. 2823800    1740.
 9 AMZN   2019-12-06 1751. 1754. 1740. 1752. 3117400    1752.
10 AMZN   2019-12-09 1751. 1767. 1746. 1750. 2442800    1750.
# ... with 84 more rows

[[6]]
# A tibble: 94 x 8
   symbol date        open  high   low close  volume adjusted
   <chr>  <date>     <dbl> <dbl> <dbl> <dbl>   <dbl>    <dbl>
 1 BRK-B  2019-11-25  219.  219.  218.  219. 3648500     219.
 2 BRK-B  2019-11-26  219.  219.  218.  219. 3717800     219.
 3 BRK-B  2019-11-27  219.  221.  218.  220. 3945500     220.
 4 BRK-B  2019-11-29  220.  221.  220.  220. 2256500     220.
 5 BRK-B  2019-12-02  221.  221.  220.  220. 3888100     220.
 6 BRK-B  2019-12-03  219.  219.  216.  218. 4480100     218.
 7 BRK-B  2019-12-04  218.  219.  218.  218. 2667700     218.
 8 BRK-B  2019-12-05  219.  220.  218.  220. 2319300     220.
 9 BRK-B  2019-12-06  222.  223   221.  223. 3447700     223.
10 BRK-B  2019-12-09  223.  223.  221.  221. 2601000     221.
# ... with 84 more rows

我尝试了mapply，但它没有给我所需的结果。

prices <- mapply(lots$ticker, FUN = tq_get, 
                   from = lots$buy_date,
                   get = "stock.prices",
                   to = today())

> prices
         AAPL         MSFT         MSFT        DIS          AMZN        BRK-B      
symbol   Character,94 Character,91 Character,2 Character,59 Character,2 Character,2
date     Numeric,94   Numeric,91   Numeric,2   Numeric,59   Numeric,2   Numeric,2  
open     Numeric,94   Numeric,91   Numeric,2   Numeric,59   Numeric,2   Numeric,2  
high     Numeric,94   Numeric,91   Numeric,2   Numeric,59   Numeric,2   Numeric,2  
low      Numeric,94   Numeric,91   Numeric,2   Numeric,59   Numeric,2   Numeric,2  
close    Numeric,94   Numeric,91   Numeric,2   Numeric,59   Numeric,2   Numeric,2  
volume   Numeric,94   Numeric,91   Numeric,2   Numeric,59   Numeric,2   Numeric,2  
adjusted Numeric,94   Numeric,91   Numeric,2   Numeric,59   Numeric,2   Numeric,2

【问题讨论】：

请不要发布数据的屏幕截图。如果您的问题包含minimal reproducible example，包括一小部分数据，您将获得更高质量的帮助。对于mapply，它不起作用是什么意思？错误？不想要的结果？请显示尝试的实施。我已经从包pbapply 中尝试了lapply 的版本。我将使用mapply 结果更新问题 【参考方案1】：

您的 mapply() 结果是因为该函数尝试将输出转换为默认情况下使用简化参数的矩阵。您可以通过以下方式获得所需的输出：

prices <- mapply(lots$ticker, FUN = tq_get, 
                   from = lots$buy_date,
                   get = "stock.prices",
                   to = today(), SIMPLIFY = FALSE)

【讨论】：

以上是关于R lapply 有几个动态参数的主要内容，如果未能解决你的问题，请参考以下文章

如何在 lapply (R) 中显式定义附加参数

linux下，有几个.so。如何将这几个动态库编译成一个动态库

使用循环或lapply来读取和命名文件

python中动态参数从何获取

r 中的 T 检验：如何使用 lapply 函数更改 t 检验的 x 和 y 参数

R中的并行化“查找”循环