在自行创建的 r 函数中以矩阵形式获取结果答案

【问题标题】：Obtaining results as a matrix in a self created r function在自行创建的 r 函数中以矩阵形式获取结果
【发布时间】：2016-11-01 23:33:01
【问题描述】：

以下代码运行，但不返回（950 个数值）我所期望的（想要的）。在下面的代码中，result 是一个 72 行 3 列的矩阵。 作为输出，我想要一个包含 72 列和 length(spots) 行的矩阵。我尝试初始化fcasts<- matrix(0, nrow=length(spots), ncol=72)，但随后代码无法运行。

y<- ts(rnorm(1000),start = 1850, frequency=1)

library(forecast)

#Searching for the best models
order.matrix<-matrix(0,nrow = 3, ncol = 6 * 2 * 6)
 aic.vec<- numeric(6 * 2 * 6)
 k<-1

 for(p in 0:5) for(d in 0:1) for(q in 0:5){
    order.matrix[,k]<-c(p,d,q)
    aic.vec[k]<- AIC(Arima(y, order=c(p,d,q)))
    k<-k+1
 }
 ind<- order(aic.vec,decreasing=F)
 aic.vec<- aic.vec[ind]
 order.matrix<- order.matrix[,ind]
order.matrix<- t(order.matrix)
result<- cbind(order.matrix,aic.vec)


SlideFunction<- function(data, window, step){

    total<- length(data)
    spots<- seq(from=1, to=(total-window), by=step)
    fit<- vector(mode="list",length=72)
    #fcasts<- matrix(0,nrow=length(spots),ncol=72)
    fcasts<- numeric(length(spots))
    for(i in 1:length(spots)){
    for(j in 1:72){

    p<- result[j,1]
    d<- result[j,2]
    q<- result[j,3]

   #Note I am using Arima(in forecast package) not arima
        fit[[j]]<- Arima(data[spots[i]:(spots[i]+window)], order=c(p,d,q), method="CSS")

        fcasts[i]<- forecast(fit[[j]], h=step)$mean 
#I expected(would like to have) 72 one-step ahead prediction for each fcasts i.e, store values for each arima model.

        }

    }
        return(fcasts)
}
SlideFunction(y,50,1)

有人可以帮我解决这个问题吗？

【问题讨论】：

我添加了缺少的库语句，但上面的代码仍然给出Error: object 'result' not found 错误。我只是想确保我们在同一个页面上，然后再花时间讨论这个，因为你说它运行。你是否也遇到同样的错误？
我也为结果添加了代码。我希望这个问题现在更清楚了。
是否有可能让程序更快，从而可以在更短的时间内获得非常大的数据的结果？

标签： r function loops matrix time-series

【解决方案1】：

我想这就是你想要的：

SlideFunction<- function(data, window, step) {
  total<- length(data)
  spots<- seq(from=1, to=(total-window), by=step)
  fcasts<- matrix(0,nrow=length(spots),ncol=72)
  for(i in 1:length(spots)) {
    for(j in 1:72){
      p<- result[j,1]
      d<- result[j,2]
      q<- result[j,3]
      fit <- Arima(data[spots[i]:(spots[i]+window)], order=c(p,d,q), method="CSS")
      fcasts[i, j] <- forecast(fit, h=step)$mean 
      }
    }
  return(fcasts)
  }

SlideFunction(y,50,1)

但是完成需要相当长的时间，我没有耐心等待。我尝试使用较小的数据集：

y<- ts(rnorm(100),start = 1850, frequency=1)

和5而不是72，知道结果是正确的。

【讨论】：