Wartości logiczne i subset()

Oto ciekawe zadanie. Wiesz już, jak tworzyć wektory logiczne wskazujące, kiedy dany warunek jest spełniony – ale czy potrafisz przefiltrować ramkę danych tak, żeby zawierała tylko wiersze spełniające ten warunek?

Jeśli przerabiałeś kurs Introduction to R for Finance, być może pamiętasz funkcję subset(). Przyjmuje ona jako argumenty ramkę danych (lub wektor/macierz) oraz warunek logiczny określający, które wiersze zwrócić:

stocks
        date    ibm panera
1 2017-01-20 170.55 216.65
2 2017-01-23 171.03 216.06
3 2017-01-24 175.90 213.55
4 2017-01-25 178.29 212.22

subset(stocks, ibm < 175)
        date    ibm panera
1 2017-01-20 170.55 216.65
2 2017-01-23 171.03 216.06

Przydatne, prawda? Ramka danych stocks jest dostępna do wykorzystania w tym ćwiczeniu.

To ćwiczenie jest częścią kursu

R dla finansów – poziom średnio zaawansowany

Instrukcje do ćwiczenia

Przefiltruj stocks, aby uwzględnić wiersze, w których panera jest większe niż 216.
Przefiltruj stocks, aby pobrać wiersz, w którym date jest równe "2017-01-23". Pamiętaj o funkcji as.Date()!
Przefiltruj stocks, aby pobrać wiersze, w których ibm jest mniejsze niż 175 i jednocześnie panera jest mniejsze niż 216.50.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Panera range
___

# Specific date
___

# IBM and Panera joint range
___

Edytuj i uruchom kod

To ćwiczenie jest częścią kursu

R dla finansów – poziom średnio zaawansowany

SkillTag.level.beginnerSkillTag.label

4.8+

Rozpocznij kurs za darmo

Witaj! Zanim zagłębisz się w świat R, warto zrozumieć, jak działają daty i godziny. Ten rozdział da ci solidne podstawy do pracy z datami – choć to dopiero wstęp do tego, co możesz z nimi zrobić.

Exercise 1: Wprowadzenie do dat w R Exercise 2: Który mamy dziś dzień?Exercise 3: Z ciągu znaków do daty Exercise 4: Wiele dat Exercise 5: Formaty dat i funkcje ekstrakcji Exercise 6: Formaty dat (1)Exercise 7: Formaty dat (2)Exercise 8: Odejmowanie dat Exercise 9: months(), weekdays() i quarters() – trio do obsługi dat

Wyobraź sobie, że masz akcje jakiejś spółki. Gdy cena akcji wzrośnie powyżej pewnego poziomu, możesz chcieć je sprzedać. Gdy spadnie poniżej określonej wartości – może warto je kupić po okazyjnej cenie! Taką logikę można wdrożyć za pomocą operatorów i instrukcji warunkowych. W tym rozdziale poznasz je dokładnie i napiszesz program, który podpowie ci, kiedy kupować, a kiedy sprzedawać akcje.

Exercise 1: Operatory relacyjne Exercise 2: Ćwiczenia z operatorami relacyjnymi Exercise 3: Operacje wektorowe Exercise 4: Operatory logiczne Exercise 5: And / Or Exercise 6: Negacja!Exercise 7: Wartości logiczne i subset()

Bieżące ćwiczenie

Exercise 8: Wszystko razem!Exercise 9: Instrukcje warunkowe if Exercise 10: Jeśli tak Exercise 11: If to, else tamto Exercise 12: If to, else if tamto, else coś innego Exercise 13: Czy można zagnieździć if w if?Exercise 14: ifelse()

Pętle przydają się, gdy chcesz wykonać tę samą operację na każdym elemencie struktury danych. W tym rozdziale poznasz pętle repeat, while i for.

Exercise 1: Pętle repeat Exercise 2: Powtarzaj, powtarzaj, powtarzaj Exercise 3: Kiedy użyć break?Exercise 4: Pętle while Exercise 5: Pętla while z print Exercise 6: Pętla while z wykresem Exercise 7: Przerwij pętlę Exercise 8: Pętle for Exercise 9: Pętla po wektorze Exercise 10: Iterowanie po wierszach ramki danych Exercise 11: Iterowanie po elementach macierzy Exercise 12: Break i next

Struktury danych, takie jak ramki danych i wektory, służą do przechowywania danych – a funkcje mówią R, co z tymi danymi zrobić. W tym rozdziale nauczysz się korzystać z wbudowanych funkcji, tworzyć własne oraz poznasz podstawy pracy z pakietami.

Exercise 1: Czym są funkcje?Exercise 2: Pomoc i dokumentacja funkcji Exercise 3: Argumenty opcjonalne Exercise 4: Funkcje w funkcjach Exercise 5: Pisanie funkcji Exercise 6: Twoja pierwsza funkcja Exercise 7: Wiele argumentów (1)Exercise 8: Wiele argumentów (2)Exercise 9: Zasięg funkcji (1)Exercise 10: Zasięg funkcji (2)Exercise 11: Pakiety Exercise 12: Pakiet tidyquant

Popularna alternatywa dla pętli w R to funkcje z rodziny apply. Są zazwyczaj bardziej czytelne niż pętle i świetnie sprawdzają się przy skalowaniu pracy z danymi – pozwalają wykonać złożone obliczenia na dowolnej liczbie obserwacji. Sprawdź, jak działają!

Exercise 1: Po co używać apply?Exercise 2: lapply() na liście Exercise 3: lapply() na ramce danych Exercise 4: Argumenty FUN Exercise 5: sapply() – uprość to!Exercise 6: sapply() a lapply()Exercise 7: Gdy uproszczenie się nie udaje Exercise 8: vapply() – określ swój wynik!Exercise 9: vapply() vs. sapply()Exercise 10: Więcej o vapply()Exercise 11: Funkcje anonimowe Exercise 12: Gratulacje