Question

我有一个数据框架,显示日期、项目和值,我要增加一栏,显示其前50个条目(或未有50个条目的NA)的平均数,例如,表格可以是

      data
date     item value  
01/01/01 a    2  
01/01/01 b    1.5  
04/01/01 c    1.7  
05/01/01 a    1.9  
......

并成为其中一部分

date     item value last_50_mean   
........ 
11/09/01 a    1.2   1.1638
12/09/01 b    1.9   1.5843 
12/09/01 a    1.4   1.1621
13/09/01 c    0.9   NA
........

因此在本案中,在2001年9月11日之前的50个条目中a的平均值是1.1638,c在2001年9月13日之前有50个条目,因此返回 NA

我目前正在使用以下函数来做此操作

  data[,  last_50_mean ] <- sapply(1:nrow(data), function(i){
        prevDates <- data[data$date < data$date[i] & data$item == data$item[i], ]
        num       <- nrow(prevGames)
        if(nGames >= 50){
          round(mean(prevDates[(num- 49):num, ]$value), 4)
        }
      }
  )

但我的数据框架很大,而且要花很长时间(事实上,我并不100%肯定它仍然在运行中有效......有人知道这样做的最佳方法吗?)

Answer 1

N 观察的平均值可以从以下第一个值和最后一个值的累积总和和和差差来计算: diff(cumsum(x), lass=N-1) 。您的问题是要将第一个N-1值加起来,所以

meanN <- function(x, N=50)
    ## mean of last N observations, padded in front with NA
{
    x0 <- x[seq_len(length(x) - N + 1)]
    x1 <- (x0 + diff(cumsum(x), lag=N-1)) / N
    c(rep(NA, N - 1), x1)
}

您喜欢为多个组这样做。对于 data. frame 喜欢的 < code> data 。

df <- data.frame(item=sample(letters[1:3], 1000, TRUE),
                 value=runif(1000, 1, 3),
                 last_50_mean=NA)

其中一个方法就是

split(df$last_50_mean, df$item) <- lapply(split(df$value, df$item), meanN)

例如,导致

> tail(df)
     item    value last_50_mean
995     c 1.191486     2.037707
996     c 2.899214     2.073022
997     c 2.019375     2.054914
998     c 2.737043     2.066389
999     a 1.703752     1.923234
1000    c 1.602442     2.043517

假设您的数据框架是按时间顺序排列的。一个潜在的问题是当长矢量溢出 cumcsum 时; 人们可以通过将 value 集中到 < value 来解决这个问题, 期望 cumcsum 离零没有太远。最近的一个问题涉及到的替代物 https://stackoverflow.com/ questions/10645100/apply-a- conference- to- groups- in- a- data- frame- r" code>split< 并放弃最后的N观察。

友情链接