计算提前 n 天的滚动平均值答案

【问题标题】：calculate n days ahead rolling average计算提前 n 天的滚动平均值
【发布时间】：2020-05-13 15:45:11
【问题描述】：

我有以下数据集：

date <- StockData[1:10,2]
x <- c(2,4,2,3,5,1,6,2,3,4)
df <- as.data.frame(cbind(x,date))
df

   x       date
1  2 2019-06-28
2  4 2019-07-01
3  2 2019-07-02
4  3 2019-07-03
5  5 2019-07-04
6  1 2019-07-05
7  6 2019-07-08
8  2 2019-07-09
9  3 2019-07-10
10 4 2019-07-11

现在我想创建一个具有提前 5 (n) 天滚动平均值的新列，因此数据集如下所示：

   x       date five.day.average
1  2 2019-06-28              3.2
2  4 2019-07-01              3
3  2 2019-07-02              3.4
4  3 2019-07-03              3.4
5  5 2019-07-04              3.4
6  1 2019-07-05              3.2
7  6 2019-07-08              NA
8  2 2019-07-09              NA
9  3 2019-07-10              NA
10 4 2019-07-11              NA

换句话说，我想要一个与 zoo 包中的 rollmean 执行相同操作的公式/函数，但不是回到过去，而是回到未来（因为 rollmean 中的 k 不能为负数)。

提前谢谢你！

【问题讨论】：

标签： r mean finance

【解决方案1】：

一个选项是frollmean 来自data.table

library(data.table)
setDT(df)[, five.day.average := frollmean(x, 5, align = 'left')]
df
#    x       date five.day.average
# 1: 2 2019-06-28              3.2
# 2: 4 2019-07-01              3.0
# 3: 2 2019-07-02              3.4
# 4: 3 2019-07-03              3.4
# 5: 5 2019-07-04              3.4
# 6: 1 2019-07-05              3.2
# 7: 6 2019-07-08               NA
# 8: 2 2019-07-09               NA
# 9: 3 2019-07-10               NA
#10: 4 2019-07-11               NA

或与rollmean 来自zoo

rollmean(df$x, 5, align = 'left', fill = NA)
#[1] 3.2 3.0 3.4 3.4 3.4 3.2  NA  NA  NA  NA

数据

df <- structure(list(x = c(2L, 4L, 2L, 3L, 5L, 1L, 6L, 2L, 3L, 4L), 
    date = c("2019-06-28", "2019-07-01", "2019-07-02", "2019-07-03", 
    "2019-07-04", "2019-07-05", "2019-07-08", "2019-07-09", "2019-07-10", 
    "2019-07-11")), class = "data.frame", row.names = c("1", 
"2", "3", "4", "5", "6", "7", "8", "9", "10"))

【讨论】：

大声笑，现在我明白了align 的论点......谢谢你的akrun！

【解决方案2】：

在base中，您可以使用filter 获得滚动平均值。为了让它向前看可以使用rev。

rev(filter(rev(df$x), rep(1/5, 5), sides=1))
# [1] 3.2 3.0 3.4 3.4 3.4 3.2  NA  NA  NA  NA

【讨论】：

看起来不错的 GKi！