我正在尝试使用R来计算矩阵中一系列值的移动平均值。正常的R邮件列表搜索虽然不是很有帮助。 R中似乎没有一个built-in function可以让我计算移动平均线。有任何套餐提供吗？或者我需要自己写吗？
或者您可以使用过滤器简单地计算它，这是我使用的函数：
ma <- function(x, n = 5){filter(x, rep(1 / n, n), sides = 2)}
如果你使用dplyr，请注意在上面的函数中指定stats::filter。
使用cumsum应该足够有效。假设你有一个向量x，你想要一个n个数的运行总和
cx <- c(0,cumsum(x))
rsum <- (cx[(n+1):length(cx)] - cx[1:(length(cx) - n)]) / n
正如@mzuther的评论中所指出的，这假设数据中没有NA。处理那些需要将每个窗口除以非NA值的数量。这是一种方法，结合@Ricardo Cruz的评论：
cx <- c(0, cumsum(ifelse(is.na(x), 0, x)))
cn <- c(0, cumsum(ifelse(is.na(x), 0, 1)))
rx <- cx[(n+1):length(cx)] - cx[1:(length(cx) - n)]
rn <- cn[(n+1):length(cx)] - cn[1:(length(cx) - n)]
rsum <- rx / rn
这仍然存在这样的问题：如果窗口中的所有值都是NA，则会出现零除错误。
caTools包具有非常快的滚动平均值/ min / max / sd以及其他一些功能。我只与runmean和runsd合作，他们是迄今为止提到的任何其他套餐中最快的。
你可以使用RcppRoll来快速移动平均值用C ++编写。只需调用roll_mean函数即可。可以找到文件here。
否则，这个（较慢的）for循环应该可以解决问题：
ma <- function(arr, n=15){
res = arr
for(i in n:length(arr)){
res[i] = mean(arr[(i-n):i])
}
res
}
在data.table 1.12.0中添加了新的frollmean函数来计算快速和精确的滚动平均值，仔细处理NA，NaN和+Inf，-Inf值。
由于问题中没有可复制的例子，因此这里没有更多要解决的问题。
你可以在?frollmean找到更多关于?frollmean的信息。
以下手册中的示例：
library(data.table)
d = as.data.table(list(1:6/2, 3:8/4))
# rollmean of single vector and single window
frollmean(d[, V1], 3)
# multiple columns at once
frollmean(d, 3)
# multiple windows at once
frollmean(d[, .(V1)], c(3, 4))
# multiple columns and multiple windows at once
frollmean(d, c(3, 4))
## three above are embarrassingly parallel using openmp
事实上RcppRoll非常好。
cantdutchthis发布的代码必须在第四行中更正到窗口固定：
ma <- function(arr, n=15){
res = arr
for(i in n:length(arr)){
res[i] = mean(arr[(i-n+1):i])
}
res
}
处理失误的另一种方式是here。
第三种方法，改进cantdutchthis代码以计算部分平均值，如下：
ma <- function(x, n=2,parcial=TRUE){
res = x #set the first values
if (parcial==TRUE){
for(i in 1:length(x)){
t<-max(i-n+1,1)
res[i] = mean(x[t:i])
}
res
}else{
for(i in 1:length(x)){
t<-max(i-n+1,1)
res[i] = mean(x[t:i])
}
res[-c(seq(1,n-1,1))] #remove the n-1 first,i.e., res[c(-3,-4,...)]
}
}
为了补充cantdutchthis和Rodrigo Remedio的答案;
moving_fun <- function(x, w, FUN, ...) {
# x: a double vector
# w: the length of the window, i.e., the section of the vector selected to apply FUN
# FUN: a function that takes a vector and return a summarize value, e.g., mean, sum, etc.
# Given a double type vector apply a FUN over a moving window from left to the right,
# when a window boundary is not a legal section, i.e. lower_bound and i (upper bound)
# are not contained in the length of the vector, return a NA_real_
if (w < 1) {
stop("The length of the window 'w' must be greater than 0")
}
output <- x
for (i in 1:length(x)) {
# plus 1 because the index is inclusive with the upper_bound 'i'
lower_bound <- i - w + 1
if (lower_bound < 1) {
output[i] <- NA_real_
} else {
output[i] <- FUN(x[lower_bound:i, ...])
}
}
output
}
# example
v <- seq(1:10)
# compute a MA(2)
moving_fun(v, 2, mean)
# compute moving sum of two periods
moving_fun(v, 2, sum)
虽然有点慢但你也可以使用zoo :: rollapply来执行矩阵计算。
reqd_ma <- rollapply(x, FUN = mean, width = n)
其中x是数据集，FUN = mean是函数;你也可以把它改成min，max，sd等，宽度就是滚动窗口。