优化没有循环的时间序列操作：有可能吗？

Question

问题很简单：单变量数据的时间聚合。一个通用的例子：

x <- seq(from=as.Date('2000-01-01'),by='1 day',length.out=10^6)
y <- runif(10^6)
xy <- data.frame(x=x,y=y)

x.mean <- seq(from=as.Date('2000-01-15'),by='1 month',length.out=30000)
y.mean <- rep(NA,30000)
xy.mean <- data.frame(x=x.mean,y=y.mean)

for(i in 1:29999)
{
  read.mean <- xy.mean[i,1] <= xy[,1] & xy[,1] < xy.mean[i+1,1]
  xy.mean[i,2] <- mean(xy[read.mean,2])
}

我可以用几分钟、几年、几周或几十年来代替几天和几个月。我的代码可以工作，但是太慢了。我怎样才能加快这个过程？我知道 xy.mean[,1]，我需要计算 xy.mean[,2]。

如果您建议使用包，我想了解包如何加快进程。

非常感谢！

Answer 1

在某个地方总是需要一个循环来处理这些问题。诀窍是不要在 R 中而是在像 C 这样更快、更低级别的语言中执行循环。我相信这也是许多包提高速度的方式。

在这种情况下，您也可以不使用额外的软件包：

1. 使用函数findInterval 为xy 的所有行分配一个“组索引”。因此，如果xy$x 小于xy.mean$x，它的索引为0，如果它在xy.mean$x 的第一行和第二行之间，它的索引为1，依此类推。

2. 使用tapply 计算每组的平均值。

    x <- seq(from=as.Date('2000-01-01'),by='1 day',length.out=10^6)
    y <- runif(10^6)
    xy <- data.frame(x=x,y=y)
   
   
    x.mean <- seq(from=as.Date('2000-01-15'),by='1 month',length.out=30000)
   
    group <- findInterval(xy$x, x.mean)
   
    y.mean <- tapply(xy$y, group, mean)
   
    ## I'm not sure if you'd like to delete the first or the last group
    ## I believe the old code deleted the last group, so I did it this way
    xy.mean <- data.frame(x=x.mean,y=y.mean[-length(y.mean)])