【问题标题】:Best practices for dynamic functions in R - when a value is a function of itself at an earlier timestepR 中动态函数的最佳实践 - 当一个值在较早的时间步长是其自身的函数时
【发布时间】:2017-09-07 09:27:32
【问题描述】:

我有一系列时间步长:

t <- 1:10

我有一个起始值:

x <- 1

我将它们组合成一个数据框:

myDF <- data.frame(T = t, X = NA)

还有一些动态更新,这样我的值是 t - 1 时的自我函数:

myDF$X[1] = x
myDF$x[2:10] = myDF$x[T-1] + (myDF$x[T-1] * (myDF$T - myDF[T-1]))

这个简单的例子会产生以下结果:

T   X
1   0.5
2   1
3   2
4   4
5   8
6   16
7   32
8   64
9   128
10  256

在 R 中编写这种东西的最佳方法是什么?我已经开发了一些感觉像是蛮力解决方案的东西。我已经接近 dplyr 中的 mutate()、arrange() 和 lag(),但我只能得到前两个值来计算,因为它不会迭代评估。

谢谢!

【问题讨论】:

  • 你的预期输出是什么?
  • 我编辑了问题以使其更清晰。我知道上面的例子是封闭的形式——希望有关于动态函数的例子或建议,如果你在时间 t 不知道 x 在时间 t-1 就不能知道 x!谢谢
  • 我看是myDF$T[2:10] = 0.5 * cumprod(1 + diff(myDF$T))
  • @psidom.. diff 由 1 分隔的序列只会产生 1。所以无论你有什么是cumprod(2,2,2,2,2,2..).. 可以表示为0.5*2^(T-1) 仍然与2^(T-2) 相同
  • @sarobins 你能举一个不同的例子来说明你需要什么吗??

标签: r dynamic dplyr self


【解决方案1】:

看来你需要这个(dplyr):

x <- 0.5
myDF <- data.frame(T = t)
myDF %>% mutate(X = x * cumprod(1 + T - lag(T, default = first(T))))

#    T     X
#1   1   0.5
#2   2   1.0
#3   3   2.0
#4   4   4.0
#5   5   8.0
#6   6  16.0
#7   7  32.0
#8   8  64.0
#9   9 128.0
#10 10 256.0

非正式推导:

let x = myDF$x
    t = myDF$T

x[i] = x[i-1] + x[i-1] * (T[i] - T[i-1])
     = x[i-1] * (1 + T[i] - T[i-1])
     = x[i-2] * (1 + T[i-1] - T[i-2]) * (1 + T[i] - T[i-1])
     ...
     = x[1] * (1 + T[2] - T[1]) * ... * (1 + T[i] - T[i-1])

# vectorized solution would be
x    = x[1] * cumprod(1 + T - lag(T))

【讨论】:

  • 对 - 这里 cumprod() 正在进行迭代。我想我可以在我的模型中为几个实例做类似的事情,但我很想知道是否有一个概括?换句话说, cumprod() 在后台做什么?运行循环?应用()?
  • cumprod 肯定是一个 for 循环,但用较低级别的语言编写,可能是 c 或 c++;这取决于你的问题,并不是所有的迭代问题都可以向量化;
猜你喜欢
  • 1970-01-01
  • 2017-09-13
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 2022-11-04
  • 2015-09-04
  • 1970-01-01
相关资源
最近更新 更多