我正在尝试计算零度以下和曲线下的区域。我的曲线有离散的x
和y
值,看起来像下面的例子。
y <- c(-1, 5, 2, 3.5, 1, 5.5, -2, 3, -1)
plot(1:length(y), y, type = "l")
abline(h = 0)
我正在尝试计算受垂直和水平几何约束的区域:
也就是说,我需要下图中多边形A,B,C和D的区域。
我现在正在努力解决两件事:
which(diff(sign(diff(y))) == 2) + 1
确定了局部最小值的位置指数,但是这并没有给出C的上x
值或者D的x
值。如何获得曲线与零相交的点?## (x, y) data
y <- c(-1, 5, 2, 3.5, 1, 5.5, -2, 3, -1)
x <- 1:length(y)
您可以通过两个步骤完成所需的计算:
步骤1:零度积分,零度以上
如果有n
(x,y)数据,则会有(n - 1)
段。将(xl, yl)
表示为该段的左侧点,并将(xr, yr)
表示为正确的点。
(yl < 0) && (yr < 0)
,整个部分低于零;(yl > 0) && (yr > 0)
,整个部分高于零;(yl < 0) && (yr > 0)
,该部分正在增加,越过零;(yl > 0) && (yr < 0)
,该段正在减少,过零。在案例3和4中,将(xm, 0)
表示为交叉点。 xm
很容易确定。线段的等式是
y = yl + (yr - yl) * (x - xl) / (xr - xl)
通过将y
设置为0
,你得到了
xm = xl - yl * (xr - xl) / (yr - yl)
由于您希望整合每个细分的零以上比例,因此我们针对每种情况:
(yl + yr) * (xr - xl) / 2
;(xm, 0)
和(xr, yr)
之间的三角形;积分是yr * (xr - xm) / 2
;(xl, yl)
和(xm, 0)
之间的三角形;积分是yl * (xm - xl) / 2
。由于您最终希望将计算应用于长向量,因此我将在Rcpp函数中呈现计算。
library(Rcpp)
cppFunction('NumericVector foo_cpp (NumericVector x, NumericVector y) {
int n_segments = x.size() - 1;
NumericVector integral(n_segments);
double xl, xr, yl, yr, xm; int i;
for (i = 0; i < n_segments; i++) {
xl = x[i]; xr = x[i + 1];
yl = y[i]; yr = y[i + 1];
if (yl < 0 && yr < 0) integral[i] = 0.0;
if (yl > 0 && yr > 0) integral[i] = 0.5 * (yl + yr) * (xr - xl);
if (yl < 0 && yr > 0) {
xm = xl - yl * (xr - xl) / (yr - yl);
integral[i] = 0.5 * yr * (xr - xm);
}
if (yl > 0 && yr < 0) {
xm = xl - yl * (xr - xl) / (yr - yl);
integral[i] = 0.5 * yl * (xm - xl);
}
}
return integral;
}')
z <- foo_cpp(x, y)
#[1] 2.083333 3.500000 2.750000 2.250000 3.250000 2.016667 0.900000 1.125000
我懒得做进一步的代码优化。它的速度足以满足您的实际应用。
第2步:聚合
实际上,您通过局部最小值将段切割成块,并且旨在计算每个块上的积分。
当地最小值的位置指数(正如您在问题中得出的那样):
which(diff(sign(diff(y))) == 2) + 1
#[1] 3 5 7
这意味着段应按断点分割:
b <- which(diff(sign(diff(y))) == 2)
#[1] 2 4 6
那是,
## number of segments per chunk
n_chunks <- length(x) - 1
n_segments_per_chunk <- diff(c(0, b, n_chunks))
#[1] 2 2 2 2
## grouping index for each chunk
grp <- rep.int(seq_along(n_segments_per_chunk), n_segments_per_chunk)
#[1] 1 1 2 2 3 3 4 4
所以A,B,C和D的区域是:
sapply(split(z, grp), sum)
# 1 2 3 4
#5.583333 5.000000 5.266667 2.025000
## original linear interpolation function
f <- approxfun(x, y)
## a function zeroing out below-zero part of `f`
g <- function (x) {
fx <- f(x)
ifelse(fx > 0, fx, 0)
}
## local minima
x_minima <- x[which(diff(sign(diff(y))) == 2) + 1]
## break points for numerical integration
xx <- c(x[1], x_minima, x[length(x)])
## integration will happen on:
# cbind(xx[-length(xx)], xx[-1])
# [,1] [,2]
#[1,] 1 3 ## A
#[2,] 3 5 ## B
#[3,] 5 7 ## C
#[4,] 7 9 ## D
## use `mapply`
mapply(function (lwr, upr) integrate(g, lower = lwr, upper = upr)$value,
xx[-length(xx)], xx[-1])
#[1] 5.583333 5.000000 5.266679 2.025000