Mittelwert eines Schiebefensters in R

Ich habe einen Vektor von Werten, die ich den Durchschnitt in Fenstern entlang einer kleineren Folie angeben möchte.

Zum Beispiel für einen Vektor mit den folgenden Werten:

4, 5, 7, 3, 9, 8

Eine Fenstergröße von 3 und eine Folie von 2 würden Folgendes bewirken:

(4+5+7)/3 = 5.33
(7+3+9)/3 = 6.33
(9+8)/3 = 5.67

Und geben Sie einen Vektor dieser Werte zurück:

5.33, 6.33, 5.67

Gibt es eine einfache Funktion, die dies für mich erledigt? Wenn auch die Indizes des Fensters zurückgegeben werden, ist dies ein zusätzlicher Bonus. In diesem Beispiel wäre das 1,3,5

Die Funktion rollapplyim Paket zoo bringt Sie näher:

> require(zoo)
> TS <- zoo(c(4, 5, 7, 3, 9, 8))
> rollapply(TS, width = 3, by = 2, FUN = mean, align = "left")
       1        3 
5.333333 6.333333

Es wird einfach nicht der letzte Wert für Sie berechnet, da es keine 3 Beobachtungen enthält. Vielleicht reicht das für Ihr eigentliches Problem aus? Beachten Sie außerdem, dass das zurückgegebene Objekt die gewünschten Indizes namesfür den zurückgegebenen Vektor hat.

In Ihrem Beispiel wird davon ausgegangen, dass im letzten Fenster eine unbeobachtete 0 vorhanden ist. Es kann nützlicher oder realistischer sein, mit einem zu füllen NA, um die fehlenden Informationen darzustellen und zu sagen, meanwie mit fehlenden Werten umzugehen ist. In diesem Fall haben wir (8 + 9) / 2 als endgültigen Fensterwert.

> TS <- zoo(c(4, 5, 7, 3, 9, 8, NA))
> rollapply(TS, width = 3, by = 2, FUN = mean, na.rm = TRUE, align = "left")
       1        3        5 
5.333333 6.333333 8.500000

Rollapply funktioniert hervorragend mit einem kleinen Datensatz. Wenn Sie jedoch mit mehreren Millionen Zeilen (Genomics) arbeiten, ist dies recht langsam.

Die folgende Funktion ist super schnell.

data <- c(runif(100000, min=0, max=.1),runif(100000, min=.05, max=.1),runif(10000, min=.05, max=1), runif(100000, min=0, max=.2))

slideFunct <- function(data, window, step){
  total <- length(data)
  spots <- seq(from=1, to=(total-window), by=step)
  result <- vector(length = length(spots))
  for(i in 1:length(spots)){
    result[i] <- mean(data[spots[i]:(spots[i]+window)])
  }
  return(result)
}

http://coleoguy.blogspot.com/2014/04/sliding-window-analysis.html

Diese einfache Codezeile macht das Ding:

((c(x,0,0) + c(0,x,0) + c(0,0,x))/3)[3:(length(x)-1)]

Wenn xist der Vektor in Frage.

library(zoo)
x=c(4, 5, 7, 3, 9, 8)
rollmean(x,3)

oder

library(TTR)
x=c(4, 5, 7, 3, 9, 8)
SMA(x,3)

shabbychefs antwort in R:

slideMean<-function(x,windowsize=3,slide=2){
 idx1<-seq(1,length(x),by=slide);
 idx1+windowsize->idx2;
 idx2[idx2>(length(x)+1)]<-length(x)+1;
 c(0,cumsum(x))->cx;
 return((cx[idx2]-cx[idx1])/windowsize);
}

BEARBEITEN: Die Indizes, nach denen Sie suchen, sind nur idx1... Diese Funktion kann leicht modifiziert werden, um sie auch zurückzugeben, aber es ist fast genauso schnell, sie mit einem anderen Aufruf von neu zu erstellen seq(1,length(x),by=slide).

Ich kann das leicht in Matlab und duck machen, während du mich abstimmst:

%given vector x, windowsize, slide 
idx1 = 1:slide:numel(x);
idx2 = min(numel(x) + 1,idx1 + windowsize);  %sic on +1 here and no -1;
cx = [0;cumsum(x(:))];  %pad out a zero, perform a cumulative sum;
rv = (cx(idx2) - cx(idx1)) / windowsize; %tada! the answer!

Als Nebeneffekt idx1ist der Index des Elements in der Summe. Ich bin sicher, dass dies leicht in R übersetzt werden kann. Die Redewendung first:skip:lastin Matlab gibt das Array first, first + skip, first + 2skip, ..., first + n skip an, wobei das letzte Element im Array nicht größer als ist last.

edit : Ich hatte den Mittelwertbildungsteil weggelassen (dividiere durch windowsize).

Damit erhalten Sie die Fenstermittel und den Index des ersten Wertes des Fensters:

#The data
x <- c(4, 5, 7, 3, 9, 8)

#Set window size and slide
win.size <- 3
slide <- 2

#Set up the table of results
results <- data.frame(index = numeric(), win.mean = numeric())

#i indexes the first value of the window (the sill?)
i <- 1
#j indexes the row of the results to be added next
j <- 1
while(i < length(x)) {
    #This mean preserves the denominator of 3
    win.mean <- sum(x[i:(i+2)], na.rm = TRUE)/win.size
    #Insert the results
    results[j, ] <- c(i, win.mean)
    #Increment the indices for the next pass
    i <- i + slide
    j <- j + 1
    }

Es gelten verschiedene Einschränkungen: Sie haben dies nur anhand Ihrer Beispieldaten getestet. Ich glaube, dass das Anhängen an Datenrahmen wie diesen sehr langsam werden kann, wenn Sie viele Werte haben (da der data.frame jedes Mal kopiert wird). usw. Aber es produziert, was Sie gefragt haben.