Tidyquant пакет и доступ к финансовой информации Tibble

Question

В настоящее время я запускаю следующий код для извлечения из quantmod Пакет финансовой информации.

library(quantmod)

symbols <- c("HOG", "GOOG", "GE")
tickers <- new.env()
lapply(symbols, getFinancials, env=tickers)
BS <- data.frame(lapply(tickers, function(x) {viewFinancials(x, type= 'BS', period = 'A')}))
IS <- data.frame(lapply(tickers, function(x) {viewFinancials(x, type= 'IS', period = 'A')}))
CF <- data.frame(lapply(tickers, function(x) {viewFinancials(x, type= 'CF', period = 'A')}))

df <- rbind(BS, IS, CF)
df <- t(df)

Это немного грязно, но отсюда я могу почистить данные и продолжить некоторые вычисления. Однако я хочу знать, есть ли более эффективный способ использования tidyquant пакет, как я хотел бы запустить это над многими символами тикера, и в настоящее время он ломается, когда quantmod Пакет не может загрузить / найти финансовую информацию для определенного тикера.

Я работаю с;

    library(tidyquant)
    library(dplyr)

    symbols <- c("HOG", "GOOG", "GE")

    stock_financials <- symbols %>%
      tq_get(get = "financials")
    stock_financials$annual

Я вижу, что данные - это тиббл внутри тиббла, но как можно извлечь информацию, как раньше, или как мне легче получить доступ к данным тиббла для stock_financials$annual?

Модификация и использование

filter(stock_financials, type == "BS") %>% unnest()

Из этого ответа, похоже, не работает для меня.

Answer 1

Вот простое решение с gather а также unnest от tidyr пакет. Как только вы сделаете gather() а также unnest() Затем вы можете фильтровать по любому разделу и комбинации символов, которые вы хотите.

> library(tidyquant)
> library(dplyr)
> 
> symbols <- c("HOG", "GOOG", "GE")
> 
> stock_financials <- symbols %>%
+     tq_get(get = "financials")
> 
> stock_financials
# A tibble: 9 x 4
  symbol type  annual             quarter           
  <chr>  <chr> <list>             <list>            
1 HOG    BS    <tibble [168 x 4]> <tibble [210 x 4]>
2 HOG    CF    <tibble [76 x 4]>  <tibble [76 x 4]> 
3 HOG    IS    <tibble [196 x 4]> <tibble [245 x 4]>
4 GOOG   BS    <tibble [168 x 4]> <tibble [210 x 4]>
5 GOOG   CF    <tibble [76 x 4]>  <tibble [76 x 4]> 
6 GOOG   IS    <tibble [196 x 4]> <tibble [245 x 4]>
7 GE     BS    <tibble [168 x 4]> <tibble [210 x 4]>
8 GE     CF    <tibble [76 x 4]>  <tibble [76 x 4]> 
9 GE     IS    <tibble [196 x 4]> <tibble [245 x 4]>
> 
> stock_financials %>%
+     gather(key = "key", value = "value", annual, quarter) %>%
+     unnest()
# A tibble: 2,913 x 7
   symbol type  key    group category                        date        value
   <chr>  <chr> <chr>  <int> <chr>                           <date>      <dbl>
 1 HOG    BS    annual     1 Cash & Equivalents              2017-12-31 688.  
 2 HOG    BS    annual     1 Cash & Equivalents              2016-12-31 760.  
 3 HOG    BS    annual     1 Cash & Equivalents              2015-12-31 722.  
 4 HOG    BS    annual     1 Cash & Equivalents              2014-12-31 907.  
 5 HOG    BS    annual     2 Short Term Investments          2017-12-31   0.  
 6 HOG    BS    annual     2 Short Term Investments          2016-12-31   5.52
 7 HOG    BS    annual     2 Short Term Investments          2015-12-31  45.2 
 8 HOG    BS    annual     2 Short Term Investments          2014-12-31  57.3 
 9 HOG    BS    annual     3 Cash and Short Term Investments 2017-12-31 688.  
10 HOG    BS    annual     3 Cash and Short Term Investments 2016-12-31 766.  
# ... with 2,903 more rows