R - 时间序列的非线性滤波器 - 滤波器，lapply还是循环？答案

【问题标题】：R - nonlinear filter to a time series - filter, lapply or loop?R - 时间序列的非线性滤波器 - 滤波器，lapply还是循环？
【发布时间】：2011-07-05 09:24:51
【问题描述】：

我有一个包含简单时间序列数据的向量（从 deSolve 矩阵中提取），用于测试目的可以是：

x <- c(1, 2, 3, 4, 5)

并且想应用非线性滤波器

x[n]*x[n]-x[n-1]*x[n+1]

除第一个和最后一个元素之外的向量的所有元素，因为过滤器不能应用于这两个元素（例如，当x[n-1] 术语遇到第一个元素或x[n+1] 术语遇到最后一个元素时）。这就是我的问题。

我尝试过的事情： 1) filter() 命令需要一个线性滤波器（即，没有滤波器系数的乘法）。 2) lapply() 要求该函数适用于列表的所有元素。

循环是唯一的选择吗？

感谢您的帮助，凯莉

【问题讨论】：

标签： r filter time-series

【解决方案1】：

1) 在 zoo 包中尝试rollapply：

> library(zoo)
> rollapply(zoo(1:5), 3, function(x) x[2] * x[2] - x[1] * x[3])
2 3 4 
1 1 1

coredata(z) 给出数据部分，即c(1, 1, 1)，time(z) 给出时间部分，即c(2, 3, 4)。

2) 在动物园做的另一种方法是：

> z <- zoo(1:5)
> z*z - lag(z) * lag(z,-1)
2 3 4 
1 1 1

3) 最后一种方法也适用于 R 核心中的 ts 类：

> tt <- ts(1:5)
> tt * tt - lag(tt) * lag(tt, -1)
Time Series:
Start = 2 
End = 4 
Frequency = 1 
[1] 1 1 1

【讨论】：

【解决方案2】：

可以通过循环或应用或矢量化来实现。

> x <- c(1, 2, 3, 4, 5)
> r <- NA
> for (n in 2:length(x)) r[n] <- x[n]*x[n]-x[n-1]*x[n+1]
> (r)
[1] NA  1  1  1 NA
> 
> r <- NA
> lapply(2:length(x),function(n) r[n] <<- x[n]*x[n]-x[n-1]*x[n+1])
[[1]]
[1] 1

[[2]]
[1] 1

[[3]]
[1] 1

[[4]]
[1] NA

> (r)
[1] NA  1  1  1 NA

> r <- NA
> r <- x^2 - c(NA,x[1:(length(x)-1)]) * c(x[2:length(x)],NA)
> (r)
[1] NA  1  1  1 NA

矢量化是最有效的，但代码更难破译

> x <- runif(50000)
> 
> r <- NA
> system.time(for (n in 2:length(x)) r[n] <- x[n]*x[n]-x[n-1]*x[n+1])
   user  system elapsed 
   8.55    0.01    8.58 
> 
> r <- NA
> system.time(lapply(2:length(x),function(n) r[n] <<- x[n]*x[n]-x[n-1]*x[n+1]))
   user  system elapsed 
  11.36    0.00   11.39 
> 
> r <- NA
> system.time(r <- x^2 - c(NA,x[1:(length(x)-1)]) * c(x[2:length(x)],NA))
   user  system elapsed 
   0.01    0.00    0.01

【讨论】：

你最好初始化 R 的完整长度：r