동일한 통합 문서의 여러 워크 시트에 대해 R로 매일 반환되는 항목을 찾아서 병합 하시겠습니까?

Question

안녕하세요. 저는 현재 동일한 엑셀 워크 북으로 70 장이 있으며 데이터를 기반으로 일일 수익을 찾아서 모든 70 장을 하나의 데이터 프레임으로 병합하려고합니다. 70 장에는 모두 날짜 및 공개 가격이 포함되어 있습니다. 여기 내 코드는 지금까지

require(XLConnect) 
wb <- loadWorkbook(system.file("crypto.xlsx", package = "XLConnect")) 
crypto = readWorksheet(wb, sheet = getSheets(wb),startRow=1,endRow = 20, endCol=2) 

내가 각 시트의 수익을 찾은 다음 모두 70 일에 데이터 프레임을 병합 할 소프트웨어 R입니다. 그러나 시간은이 모든 시트에서 다르며 병합 할 수있는 방법을 찾을 수 없습니다. 최종 데이터 프레임에서 변수를 원합니다 Date, Price1, Dailyreturn1, Price2, DailyReturn2 ......... Price70, DailyReturn70 반환 및 병합으로 도움이 될 것입니다.

여기 내 데이터가 훨씬 더 많은 행을 가진 것처럼 보이며 데이터 형식이 모든 70 개의 시트에서 동일합니다.

Date  Open  High Low Close Market Cap 
28-Apr-13 135.3  135.98 132.1 134.21 1,500,520,000 
29-Apr-13 134.44  147.49 134 144.54 1,491,160,000 
30-Apr-13 144   146.93 134.05 139  1,597,780,000 
1-May-13 139   139.89 107.72 116.99 1,542,820,000 

최종 결과가 70 장 모두 하나로 결합 된 것처럼 보이기를 바랍니다. DR은 체인 Reduce 모든 X 행 (즉, 가입 왼쪽) 유지 병합 고려 일일 창

Date Open1 DR1 Open2 DR2 Open3 DR3............Open70 DR70 

Answer 1

위한 것이다. 하지만 lapply에서 setNames으로 수행 할 수있는 열의 이름을 바꾸려면 먼저 목록을 업데이트하십시오.

# ASSUME ALL DFs ARE ONLY Date and Open 
crypto2 <- lapply(seq_along(crypto), function(i) 
    setNames(crypto[[i]], c("Date", paste0("DR", i)))) 

finaldf <- Reduce(function(x, y) merge(x, y, by="Date", all.x=TRUE), crypto2) 

참고 : 각 조합이 반환됩니다 가입 이후 merge 빠르게 커질 것입니다 귀하의 데이터가 다른 열기 값이 중복 된 날짜가있는 경우이 Reduce 접근 방식에 매우주의해야합니다. 임의의 데이터 (경고 이상 당 고유의 날짜를 반환하는 데 사용 집계)

set.seed(123) 

crypto <- lapply(seq(10), function(i) 
    aggregate(Open~Date, data.frame(
    Date = Sys.Date()- sapply(seq(30), function(i) sample(15,1,replace=TRUE)), 
    Open = abs(rnorm(30)*100) 
), FUN=max)) 

crypto2 <- lapply(seq_along(crypto), function(i) 
    setNames(crypto[[i]], c("Date", paste0("DR", i)))) 

finaldf <- Reduce(function(x, y) merge(x, y, by="Date", all.x=TRUE), crypto2) 

출력

finaldf 
#   Date  DR1  DR2  DR3  DR4  DR5  DR6  DR7  DR8  DR9  DR10 
# 1 2017-11-12 70.92008 56.29895 37.56029 136.403745 100.56363  NA 138.80490 28.73408 64.75134 195.07210 
# 2 2017-11-13 102.55714 212.84519 190.23618 199.274849 127.22668  NA 151.60676  NA 188.63252 90.35164 
# 3 2017-11-15 44.82098 105.27115 135.98407 101.755864 123.56935 123.66758 107.49451  NA 91.35660 45.73573 
# 4 2017-11-16 22.04866 36.89645 63.07541 151.921771 43.88187 103.96804 168.75895 144.14618 90.44355  NA 
# 5 2017-11-17 122.07177 37.45809 229.30790 175.323736 88.33028 35.88557 84.90611 72.82191 23.11149 70.10036 
# 6 2017-11-18 109.68390  NA 159.85088 62.418747 163.35684 116.52534 154.66092 90.42150 33.33700 79.76007 
# 7 2017-11-19 205.00847  NA 78.86220 246.589819  NA 60.85572  NA 245.80605 85.52022 184.32663 
# 8 2017-11-20 114.88076 37.24388 154.75811 72.160444 71.27033 60.53707 107.4.88494 131.82207 76.46060 
# 9 2017-11-21 33.32074 126.01552 50.21987 257.145815 222.49877 50.63335 208.67174 106.10953 115.29362 148.37795 
# 10 2017-11-22 230.91689 21.53805 11.36399 97.400958 239.74525 96.72673  NA 58.99827 216.14158 122.09637 
# 11 2017-11-24 33.17820 104.91770 66.47694   NA 45.03386 142.05655 260.16997 154.04424  NA 103.81310 
# 12 2017-11-25 37.96395 97.69734 52.11173 57.185006 163.63793 18.43089 141.52819 154.77765 65.80102 109.95509 
# 13 2017-11-26 37.06600 76.90422 175.65274 3.303616 177.95029 194.58512 87.52555 118.71868 39.43948 111.64164