精算后花园

梁

实务中有时我们需要将一路火花带闪电 fwrite 出来的 csv 报告整合成一个 txt 格式的 log file 来应付领导检查，这时就可以用如下代码实现：

require(data.table)
require(stringr)
logs = list.files('logs folder/')
log_list = list()
for( f in 1:length(logs) ) {
  log_list = c( log_list, list( fread(str_glue( "logs folder/", f )) ) )
}
names(log_list) = str_remove( logs, '.csv' )
capture.output( log_list, file = 'log.txt' )

梁

lapply用得很精髓，我之前都是loop哈哈哈

梁

只听得玉缘道人侃侃而谈：“文王拘而演《周易》，所假之物不过蓍草，大衍之数区区五十，流传至今竟然开枝散叶、门派林立，其中真真假假良莠不齐，贫道宁愿删繁就简追本溯源，我只与你用蓍草开出两个卦象，一为本卦，一为变卦，其余艰深晦涩的互卦、错卦、综卦一概不究，大人意下如何？”

如下 R code 可以完美复制周易的蓍草算命法则，如需算命可以全选如下 code 运行，解释卦象可以自行百度 ^^
注：本程序不作为投资指南，金融市场潮起潮落，买张买跌，盈亏自负，但求心安。

require(data.table)
require(stringr)

zhanbu = function() {
  
  # round 1
  
  N = 50 - 1
  
  shicao = data.table(
    LHS = 12:(N-12),
    RHS = (N-12):12
  )
  
  sel = sample(1:shicao[, .N], 1)
  shicao = shicao[sel, ]
  
  shicao[, LHS := LHS - 1]
  shicao[, LHS_remainder := LHS %% 4]
  shicao[LHS_remainder == 0, LHS_remainder := 4]
  shicao[, LHS_remainder := LHS_remainder + 1]
  
  shicao[, RHS_remainder := RHS %% 4]
  shicao[RHS_remainder == 0, RHS_remainder := 4]
  
  shicao[, LHS_remainder + RHS_remainder] %in% c(5, 9)
  
  shicao[, LHS := LHS - LHS_remainder + 1]
  shicao[, RHS := RHS - RHS_remainder]
  
  shicao[, LHS + RHS]
  
  shicao[, LHS_remainder := 0]
  shicao[, RHS_remainder := 0]
  
  # round 2
  
  N = shicao[, LHS + RHS]
  
  shicao = data.table(
    LHS = 8:(N-8),
    RHS = (N-8):8
  )
  
  sel = sample(1:shicao[, .N], 1)
  shicao = shicao[sel, ]
  
  shicao[, LHS := LHS - 1]
  shicao[, LHS_remainder := LHS %% 4]
  shicao[LHS_remainder == 0, LHS_remainder := 4]
  shicao[, LHS_remainder := LHS_remainder + 1]
  
  shicao[, RHS_remainder := RHS %% 4]
  shicao[RHS_remainder == 0, RHS_remainder := 4]
  
  shicao[, LHS_remainder + RHS_remainder] %in% c(4, 8)
  
  shicao[, LHS := LHS - LHS_remainder + 1]
  shicao[, RHS := RHS - RHS_remainder]
  
  shicao[, LHS + RHS]
  
  shicao[, LHS_remainder := 0]
  shicao[, RHS_remainder := 0]
  
  # round 3
  
  N = shicao[, LHS + RHS]
  
  shicao = data.table(
    LHS = 4:(N-4),
    RHS = (N-4):4
  )
  
  sel = sample(1:shicao[, .N], 1)
  shicao = shicao[sel, ]
  
  shicao[, LHS := LHS - 1]
  shicao[, LHS_remainder := LHS %% 4]
  shicao[LHS_remainder == 0, LHS_remainder := 4]
  shicao[, LHS_remainder := LHS_remainder + 1]
  
  shicao[, RHS_remainder := RHS %% 4]
  shicao[RHS_remainder == 0, RHS_remainder := 4]
  
  shicao[, LHS_remainder + RHS_remainder] %in% c(4, 8)
  
  shicao[, LHS := LHS - LHS_remainder + 1]
  shicao[, RHS := RHS - RHS_remainder]
  
  shicao[, LHS + RHS]
  
  shicao[, LHS_remainder := 0]
  shicao[, RHS_remainder := 0]
  
  # end
  
  N = shicao[, LHS + RHS]
  
  return(N / 4)
}

jiegua = data.table()

for( i in 1:6 ) {
  jiegua = rbind(jiegua, data.table( order = i, yao = zhanbu() ))
}

jiegua[yao %in% c(7, 9), YAO := '阳']
jiegua[yao %in% c(6, 8), YAO := '阴']

jiegua = str_c(jiegua$YAO, collapse = '')

guaxiang = c(
  '阳阳阳阳阳阳', # 1
  '阴阴阴阴阴阴', # 2
  '阳阴阴阴阳阴', # 3
  '阴阳阴阴阴阳', # 4
  '阳阳阳阴阳阴', # 5
  '阴阳阴阳阳阳', # 6
  '阴阳阴阴阴阴', # 7
  '阴阴阴阴阳阴', # 8
  '阳阳阳阴阳阳', # 9
  '阳阳阴阳阳阳', # 10
  '阳阳阳阴阴阴', # 11
  '阴阴阴阳阳阳', # 12
  '阳阴阳阳阳阳', # 13
  '阳阳阳阳阴阳', # 14
  '阴阴阳阴阴阴', # 15
  '阴阴阴阳阴阴', # 16
  '阳阴阴阳阳阴', # 17
  '阴阳阳阴阴阳', # 18
  '阳阳阴阴阴阴', # 19
  '阴阴阴阴阳阳', # 20
  '阳阴阴阳阴阳', # 21
  '阳阴阳阴阴阳', # 22
  '阴阴阴阴阴阳', # 23
  '阳阴阴阴阴阴', # 24
  '阳阴阴阳阳阳', # 25
  '阳阳阳阴阴阳', # 26
  '阳阴阴阴阴阳', # 27
  '阴阳阳阳阳阴', # 28
  '阴阳阴阴阳阴', # 29
  '阳阴阳阳阴阳', # 30
  '阴阴阳阳阳阴', # 31
  '阴阳阳阳阴阴', # 32
  '阴阴阳阳阳阳', # 33
  '阳阳阳阳阴阴', # 34
  '阴阴阴阳阴阳', # 35
  '阳阴阳阴阴阴', # 36
  '阳阴阳阴阳阳', # 37
  '阳阳阴阳阴阳', # 38
  '阴阴阳阴阳阴', # 39
  '阴阳阴阳阴阴', # 40
  '阳阳阴阴阴阳', # 41
  '阳阴阴阴阳阳', # 42
  '阳阳阳阳阳阴', # 43
  '阴阳阳阳阳阳', # 44
  '阴阴阴阳阳阴', # 45
  '阴阳阳阴阴阴', # 46
  '阴阳阴阳阳阴', # 47
  '阴阳阳阴阳阴', # 48
  '阳阴阳阳阳阴', # 49
  '阴阳阳阳阴阳', # 50
  '阳阴阴阳阴阴', # 51
  '阴阴阳阴阴阳', # 52
  '阴阴阳阴阳阳', # 53
  '阳阳阴阳阴阴', # 54
  '阳阴阳阳阴阴', # 55
  '阴阴阳阳阴阳', # 56
  '阴阳阳阴阳阳', # 57
  '阳阳阴阳阳阴', # 58
  '阴阳阴阴阳阳', # 59
  '阳阳阴阴阳阴', # 60
  '阳阳阴阴阳阳', # 61
  '阴阴阳阳阴阴', # 62
  '阳阴阳阴阳阴', # 63
  '阴阳阴阳阴阳'  # 64
)

guaming = c(
  '乾为天',   # 1
  '坤为地',   # 2
  '水雷屯',   # 3
  '山水蒙',   # 4
  '水天需',   # 5
  '天水讼',   # 6
  '地水师',   # 7
  '水地比',   # 8
  '风天小畜', # 9
  '天泽履',   # 10
  '地天泰',   # 11
  '天地否',   # 12
  '天火同人', # 13
  '火天大有', # 14
  '地山谦',   # 15
  '雷地豫',   # 16
  '泽雷随',   # 17
  '山风蛊',   # 18
  '地泽临',   # 19
  '风地观',   # 20
  '火雷噬嗑', # 21
  '山火贲',   # 22
  '山地剥',   # 23
  '地雷复',   # 24
  '天雷无妄', # 25
  '山天大畜', # 26
  '山雷颐',   # 27
  '泽风大过', # 28
  '坎为水',   # 29
  '离为火',   # 30
  '泽山咸',   # 31
  '雷风恒',   # 32
  '天山遁',   # 33
  '雷天大壮', # 34
  '火地晋',   # 35
  '地火明夷', # 36
  '风火家人', # 37
  '火泽睽',   # 38
  '水山蹇',   # 39
  '雷水解',   # 40
  '山泽损',   # 41
  '风雷益',   # 42
  '泽天夬',   # 43
  '天风姤',   # 44
  '泽地萃',   # 45
  '地风升',   # 46
  '泽水困',   # 47
  '水风井',   # 48
  '泽火革',   # 49
  '火风鼎',   # 50
  '震为雷',   # 51
  '艮为山',   # 52
  '风山渐',   # 53
  '雷泽归妹', # 54
  '雷火丰',   # 55
  '火山旅',   # 56
  '巽为风',   # 57
  '兑为泽',   # 58
  '风水涣',   # 59
  '水泽节',   # 60
  '风泽中孚', # 61
  '雷山小过', # 62
  '水火既济', # 63
  '火水未济'  # 64
)

guabiao = data.table( guaxiang, guaming )

print(str_glue(
  '卦象：', guabiao[guaxiang == jiegua, guaxiang], '\n',
  '卦名：', guabiao[guaxiang == jiegua, guaming]
))

梁

在实务中有时我们需要确定一个陌生数据的颗粒度（Granularity），下面的 R function 可以解决这个问题，原理是通过暴力去重（dedup）来使得维度变量浮出水面。
具体逻辑是逐次去掉变量（one by one），观察 number of unique rows 的变化：如果无变化，则该变量不是维度变量；如果有变化，则该变量是维度变量。
在实操中建议将这个 function 多运行几次，以便让变量的测试顺序充分打乱（shuffle the test order of the columns），以此来保证一些等效维度变量也能浮现出来（比如 Policy ID 可以用其他的 ID 组合来等效表示）。

granularity_cracker = function( dat ) {
  # check packages
  require(data.table)
  require(stringr)
  # number of unique rows of the data
  nrows_target = uniqueN(dat)
  print(str_glue('Number of unique rows of the data: ', nrows_target))
  print(str_glue('-----------------------------------'))
  # check number of unique rows by removing one column at a time
  cols = sample(names(dat))
  for( cc in cols ) {
    print(str_glue('*** testing ', cc))
    nrows = uniqueN(dat[, cols[cols != cc], with = F])
    print(str_glue("    ", nrows, " vs target: ", nrows_target))
    # if removing a certain column leads to the same number of unique rows, then remove
    if(nrows == nrows_target) { cols = cols[cols != cc] }
  }
  print(str_glue('-----------------------------------'))
  return(sort(cols))
}

梁竹西

@梁竹西

梁竹西发布的最佳帖子

梁竹西发布的最新帖子

梁竹西

@梁竹西

梁竹西 发布的最佳帖子

梁竹西 发布的最新帖子

梁竹西发布的最佳帖子

梁竹西发布的最新帖子