假設在RI具有以下矢量:連續/滾動軸承總和中的R
[1 2 3 10 20 30]
如何執行的操作,由此每個索引處連續3個元素進行求和,從而產生以下矢量:
[6 15 33 60]
其中第一個元素= 1 + 2 + 3,第二個元素= 2 + 3 + 10等...?謝謝
假設在RI具有以下矢量:連續/滾動軸承總和中的R
[1 2 3 10 20 30]
如何執行的操作,由此每個索引處連續3個元素進行求和,從而產生以下矢量:
[6 15 33 60]
其中第一個元素= 1 + 2 + 3,第二個元素= 2 + 3 + 10等...?謝謝
你有什麼是矢量,而不是數組。您可以使用zoo包中的rollapply
函數來獲取所需內容。
> x <- c(1, 2, 3, 10, 20, 30)
> #library(zoo)
> rollapply(x, 3, sum)
[1] 6 15 33 60
看看?rollapply
更詳細的信息是什麼rollapply
不和如何使用它。
只需使用基礎R你可以這樣做:
v <- c(1, 2, 3, 10, 20, 30)
grp <- 3
res <- sapply(1:(length(v)-grp+1),function(x){sum(v[x:(x+grp-1)])})
> res
[1] 6 15 33 60
的另一種方式,比sapply更快(相當於@ flodel的rsum.cumsum
),如下:
res <- rowSums(outer(1:(length(v)-grp+1),1:grp,FUN=function(i,j){v[(j - 1) + i]}))
這裏的flodel的基準更新:
x <- sample(1:1000)
rsum.rollapply <- function(x, n = 3L) rollapply(x, n, sum)
rsum.sapply <- function(x, n = 3L) sapply(1:(length(x)-n+1),function(i){sum(x[i:(i+n-1)])})
rsum.filter <- function(x, n = 3L) filter(x, rep(1, n))[-c(1, length(x))]
rsum.cumsum <- function(x, n = 3L) tail(cumsum(x) - cumsum(c(rep(0, n), head(x, -n))), -n + 1)
rsum.outer <- function(x, n = 3L) rowSums(outer(1:(length(x)-n+1),1:n,FUN=function(i,j){x[(j - 1) + i]}))
library(microbenchmark)
microbenchmark(
rsum.rollapply(x),
rsum.sapply(x),
rsum.filter(x),
rsum.cumsum(x),
rsum.outer(x)
)
# Unit: microseconds
# expr min lq median uq max neval
# rsum.rollapply(x) 9464.495 9929.4480 10223.2040 10752.7960 11808.779 100
# rsum.sapply(x) 3013.394 3251.1510 3466.9875 4031.6195 7029.333 100
# rsum.filter(x) 161.278 178.7185 229.7575 242.2375 359.676 100
# rsum.cumsum(x) 65.280 70.0800 88.1600 95.1995 181.758 100
# rsum.outer(x) 66.880 73.7600 82.8795 87.0400 131.519 100
太棒了!謝謝。不幸的是我不能投票,因爲我沒有足夠的分數。 – user2834313
@ user2834313:沒問題;) – digEmAll
增加了一種新的可能方式;) – digEmAll
如果速度是一個問題,你可以使用卷積過濾器和砍掉兩端:
rsum.filter <- function(x, n = 3L) filter(x, rep(1, n))[-c(1, length(x))]
甚至更快,應該爲兩個累積總和之間的區別:兩者都使用
rsum.cumsum <- function(x, n = 3L) tail(cumsum(x) - cumsum(c(rep(0, n), head(x, -n))), -n + 1)
僅基本功能。一些基準:
x <- sample(1:1000)
rsum.rollapply <- function(x, n = 3L) rollapply(x, n, sum)
rsum.sapply <- function(x, n = 3L) sapply(1:(length(x)-n+1),function(i){
sum(x[i:(i+n-1)])})
library(microbenchmark)
microbenchmark(
rsum.rollapply(x),
rsum.sapply(x),
rsum.filter(x),
rsum.cumsum(x)
)
# Unit: microseconds
# expr min lq median uq max neval
# rsum.rollapply(x) 12891.315 13267.103 14635.002 17081.5860 28059.998 100
# rsum.sapply(x) 4287.533 4433.180 4547.126 5148.0205 12967.866 100
# rsum.filter(x) 170.165 208.661 269.648 290.2465 427.250 100
# rsum.cumsum(x) 97.539 130.289 142.889 159.3055 449.237 100
而且我想所有的方法會更快,如果x
和所有應用的權重是整數,而不是NUMERICS。
我整理了一個包,用於處理這些類型的滾動功能,其功能類似於zoo
的rollapply
,但在後端有Rcpp。查看CRAN上的RcppRoll。
library(microbenchmark)
library(zoo)
library(RcppRoll)
x <- rnorm(1E5)
all.equal(m1 <- rollapply(x, 3, sum), m2 <- roll_sum(x, 3))
## from flodel
rsum.cumsum <- function(x, n = 3L) {
tail(cumsum(x) - cumsum(c(rep(0, n), head(x, -n))), -n + 1)
}
microbenchmark(
unit="ms",
times=10,
rollapply(x, 3, sum),
roll_sum(x, 3),
rsum.cumsum(x, 3)
)
給我
Unit: milliseconds
expr min lq median uq max neval
rollapply(x, 3, sum) 1056.646058 1068.867550 1076.550463 1113.71012 1131.230825 10
roll_sum(x, 3) 0.405992 0.442928 0.457642 0.51770 0.574455 10
rsum.cumsum(x, 3) 2.610119 2.821823 6.469593 11.33624 53.798711 10
您可能會發現有用的,如果速度是一個問題。
很好,+1。這讓我想知道:基於Rcpp的'cumsum'會比R更快嗎?你的函數是否正確處理NA? – flodel
對於cumsum,可能不是 - 這已經是一個原始的,因此可能只是一個C循環。在NA問題上:這是一個很好的觀點。他們現在處理不一致。如果窗口中的某個元素是NA,大多數操作會返回NA,但sd會返回NaN。 min和max忽略NAs,而不是R.我猜'na.option'會是一個有用的參數。 –
@KevinUshey:非常感謝。這真的很快。 – user2834313
感謝這正是我想要的。我將標記爲答案(由於時間限制,現在不能這樣做)。這是做到這一點的最快方法嗎?謝謝 – user2834313