如何使用扩展窗口计算平均值答案

【问题标题】：How to calculate mean with expending window如何使用扩展窗口计算平均值
【发布时间】：2014-10-09 14:10:39
【问题描述】：

我在下面有一个数据框。我想知道如何通过从“2014-1-5”开始扩展窗口来计算“value_t”列的平均值。例如val(1)=mean(1:5)，value(2)=mean(1:6)，value(3)=mean(1:7)。我希望算法是有效的（没有循环）。

df<-data.frame(date_t=paste('2014-01-',1:15,sep=""),value_t=1:15)
> df
   date_t        value_t
1   2014-01-1       1
2   2014-01-2       2
3   2014-01-3       3
4   2014-01-4       4
5   2014-01-5       5
6   2014-01-6       6
7   2014-01-7       7
8   2014-01-8       8
9   2014-01-9       9
10 2014-01-10      10
11 2014-01-11      11
12 2014-01-12      12
13 2014-01-13      13
14 2014-01-14      14
15 2014-01-15      15

【问题讨论】：

标签： r rollapply

【解决方案1】：

sapply(5:NROW(df), function(.) mean(df$value_t[1:.])) 怎么样？它涉及一种循环（sapply），但它应该是合理的快速。

【讨论】：

感谢您的帮助。由于我有一个相当大的 data.frame(100,000*20)，它看起来很慢。

【解决方案2】：

sapply(...) 解决方案比for(...) 循环更快，但只是（大约 2% - 在误差范围内）。事实证明，在每一步都从数据框中提取列会大大减慢速度。如果您首先将该列作为向量获取，您将获得约 25% 的改进。

df <- data.frame(value=1:1e4)
f.sapply <- function() sapply(5:nrow(df), function(.) mean(df$value[1:.]))
f.loop   <- function() {result <- numeric(nrow(df)-4)
                        for (i in 5:nrow(df)) result[i-4] <- mean(df$value[1:i])
                        result
}
f.vec    <- function() {vec<-df$value
                        sapply(5:nrow(df), function(.) mean(vec[1:.]))
}

# do they produce identical results?
identical(f.sapply(),f.loop())
# [1] TRUE
identical(f.sapply(),f.vec())
# [1] TRUE
# which is faster?
library(microbenchmark)
microbenchmark(f.sapply(),f.loop(),f.vec())
# Unit: milliseconds
#        expr      min       lq   median        uq      max neval
#  f.sapply() 904.2934 929.7361 947.7621  978.8775 1496.455   100
#    f.loop() 927.5288 950.3632 963.5926 1012.2407 1347.889   100
#     f.vec() 669.5615 697.3639 711.1498  751.2634 1060.056   100

【讨论】：

感谢基准测试结果和指向microbenchmark 的指针，这是我还不知道的库:)

【解决方案3】：

看看这个

df$val <- cumsum(df$value_t) / 1:nrow(df)
df$val[1:4] <- NA
#     date_t value_t val
#  2014-01-1       1  NA
#  2014-01-2       2  NA
#  2014-01-3       3  NA
#  2014-01-4       4  NA
#  2014-01-5       5 3.0
#  2014-01-6       6 3.5
#  2014-01-7       7 4.0
#  2014-01-8       8 4.5
#  2014-01-9       9 5.0
# 2014-01-10      10 5.5
# 2014-01-11      11 6.0
# 2014-01-12      12 6.5
# 2014-01-13      13 7.0
# 2014-01-14      14 7.5
# 2014-01-15      15 8.0

如果你只想要向量，又不想篡改 df，那就做

val <- (cumsum(df$value_t) / 1:nrow(df))[-(1:4)]
# 3.0 3.5 4.0 4.5 5.0 5.5 6.0 6.5 7.0 7.5 8.0

【讨论】：

感谢您的解决方案。有没有办法让它更通用？读取的case不是平均数，可能是自定义函数，比如累积百分排名。
我想其中一个 apply 函数最适合更一般的情况。