Deej investment analysis

• Read the data

library(dplyr)

## Warning: package 'dplyr' was built under R version 3.2.5

## 
## Attaching package: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

library(base)
deej<-read.csv("C:/data scientist/DEEJ Market Price.csv",header = T)

• 方法一，也就是我在面试时说的排序方法,然后用head（）或者[i]来查看具体的数

deejorder<-deej[order(deej$收盘价.元.,decreasing = T),] 
head(deejorder)

##           日期 开盘价.元. 最高价.元. 最低价.元. 收盘价.元. 成交额.百万.
## 4701 2016/8/23      58.42      63.63      58.42      62.10      1598.34
## 4398  2015/6/1      58.00      62.38      58.00      61.80      1935.42
## 4408 2015/6/15      60.08      63.42      59.52      61.70      2065.62
## 4399  2015/6/2      61.80      62.57      59.88      61.62      1682.39
## 4702 2016/8/24      62.45      62.60      60.50      61.24       934.28
## 4405 2015/6/10      60.22      61.86      59.25      60.75      1300.05
##        成交量
## 4701 25976300
## 4398 31992100
## 4408 33327900
## 4399 27518700
## 4702 15272600
## 4405 21500900

sort(unique(deej$收盘价.元.),decreasing = T,na.last = NA)[2]

## [1] 61.8

arrange(deej, desc(收盘价.元.))[1:2,]

##        日期 开盘价.元. 最高价.元. 最低价.元. 收盘价.元. 成交额.百万.
## 1 2016/8/23      58.42      63.63      58.42       62.1      1598.34
## 2  2015/6/1      58.00      62.38      58.00       61.8      1935.42
##     成交量
## 1 25976300
## 2 31992100

proc.time() 

##    user  system elapsed 
##    1.18    0.15    1.89

• 方法二，如果只想知道最大和第二大的价格

max(deej$收盘价.元.,na.rm = T)  ## 第一大

## [1] 62.1

a<-deej$收盘价.元.[deej$收盘价.元. != max(deej$收盘价.元.,na.rm = T)]
max(a,na.rm = T) ## 第二大

## [1] 61.8

proc.time() 

##    user  system elapsed 
##    1.23    0.17    1.95

• 方法三 Pipe & top_n

deej %>% top_n(2,收盘价.元.) %>% arrange (desc(收盘价.元.))

##        日期 开盘价.元. 最高价.元. 最低价.元. 收盘价.元. 成交额.百万.
## 1 2016/8/23      58.42      63.63      58.42       62.1      1598.34
## 2  2015/6/1      58.00      62.38      58.00       61.8      1935.42
##     成交量
## 1 25976300
## 2 31992100

proc.time() 

##    user  system elapsed 
##    1.25    0.20    2.00

综上确实是方法三最快，我想方法三应该是段老师你想要的效果

• 上面的是带了时间的，所以不消重可能清楚一点，下面用Unique消重

a<-data.frame(deej$收盘价.元.) %>% unique() %>% top_n(2) 

## Selecting by deej.收盘价.元.

sort(a$deej.收盘价.元.,decreasing = T)

## [1] 62.1 61.8

proc.time() 

##    user  system elapsed 
##    1.29    0.21    2.06