R语言时间序列数据循环计算所有列组合NDI生成新数据集求解

算力阿峰

2026-10-2

实现代码

步骤1：数据预处理（修正示例数据问题）

你提供的示例数据存在赋值符号错误、数值列存储为字符串、日期未格式化的问题，先修正为可用格式：

library(lubridate)
# 修正后的示例数据集
data <- data.frame(
  Date = mdy_hm(sample(c("8/7/2014 23:01", "8/8/2014 10:01", "8/7/2014 11:01", "8/7/2014 12:01", "8/7/2014 13:01"))),
  `361` = as.numeric(sample(c("0.035", "0.039", "0.032", "0.042", "0.033"))),
  `362` = as.numeric(sample(c("0.038", "0.043", "0.054", "0.023", "0.076"))),
  `363` = as.numeric(sample(c("0.038", "0.040", "0.040", "0.020", "0.083"))),
  check.names = FALSE
)

步骤2：批量计算所有列对的NDI

基础循环版本（逻辑清晰，适合小数据量）

# 提取所有数值列名（排除日期列）
value_cols <- setdiff(colnames(data), "Date")
# 生成所有不重复的两两组和，避免重复计算(a,b)和(b,a)
col_pairs <- combn(value_cols, 2, simplify = FALSE)

# 初始化结果表，保留日期列
ndi_result <- data[, "Date", drop = FALSE]

# 遍历所有列对计算NDI
for (pair in col_pairs) {
  x <- data[[pair[1]]]
  y <- data[[pair[2]]]
  ndi_vals <- (x - y) / (x + y)
  # 按要求命名新列
  new_col <- paste0("NDI(", pair[1], ":", pair[2], ")")
  ndi_result[[new_col]] <- ndi_vals
}

向量化版本（速度更快，适合数百列、数千行的大规模数据）

value_cols <- setdiff(colnames(data), "Date")
# 批量计算所有列对的NDI值
ndi_values <- combn(value_cols, 2, function(pair) {
  (data[[pair[1]]] - data[[pair[2]]]) / (data[[pair[1]]] + data[[pair[2]]])
})
# 生成对应列名
colnames(ndi_values) <- combn(value_cols, 2, function(pair) paste0("NDI(", pair[1], ":", pair[2], ")"))
# 合并日期列得到最终结果
ndi_result <- cbind(data[, "Date", drop = FALSE], ndi_values)