Le déplacement de la variance dans la R

Je sais que le filter() fonction dans R calculer la moyenne mobile. Je voudrais savoir si il existe une fonction qui m'a fait le déplacement de la variance ou l'écart-type, afin de montrer dans une parcelle à côté de la sortie de filter() fonction.

InformationsquelleAutor emanuele | 2012-11-02
  1. 32

    Envisager la zoo paquet. Par exemple filter() donne:

    > filter(1:100, rep(1/3,3))
Time Series:
Start = 1 
End = 100 
Frequency = 1 
  [1] NA  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
 [26] 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50
 [51] 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75
 [76] 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 NA

    alors que rollmean() dans zoo donne:

    > rollmean(1:100, k = 3, na.pad = TRUE)
  [1] NA  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
 [26] 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50
 [51] 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75
 [76] 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 NA

    qui est le même (pour un 3 points à la moyenne mobile dans cet exemple).

    Tandis que zoo n'ont pas de rollsd() ou rollvar() il n'ont rollapply(), qui fonctionne comme la apply() fonctions qui s'appliquent à toute la fonction R de la fenêtre spécifiée.

    > rollapply(1:100, width = 3, FUN = sd, na.pad = TRUE)
  [1] NA  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1
 [26]  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1
 [51]  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1
 [76]  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1 NA
Warning message:
In rollapply.zoo(zoo(data), ...) : na.pad argument is deprecated

    ou sur quelque chose de plus intéressant:

    > rollapply(vec, width = 3, FUN = sd, na.pad = TRUE)
[1]        NA 0.3655067 0.8472871 0.5660495 0.3491970 0.4732417 0.9236859
[8] 0.8075226 1.8725851 1.1930784 0.6329325 1.1412416 0.8430772 0.5808005
[15] 0.3838545 1.1738170 1.1655400 1.3241700 0.6876834 0.1534157 0.4858477
[22] 0.9843506 0.6002713 0.6897541 2.0619563 2.5675788 6.3522039 6.0066864
[29] 6.2618432 5.1704866 2.1360853 2.5602557 1.0408528 1.0316396 4.9441628
[36] 5.0319314 5.7589716 3.2425000 4.8788158 2.0847286 4.5199291 2.5323486
[43] 2.1987149 1.8393000 1.2278639 1.5998965 1.5341485 4.4287108 4.4159166
[50] 4.3224546 3.6959067 4.9826264 5.3134044 8.4084322 9.1249234 7.5506725
[57] 3.8499136 3.9680487 5.6362296 4.9124095 4.3452706 4.0227141 4.5867559
[64] 4.7350394 4.3203807 4.4506799 7.2759499 7.6536424 7.8487654 2.0905576
[71] 4.0056880 5.6209853 1.5551659 1.3615268 2.8469458 2.8323588 1.9848578
[78] 1.1201124 1.4248380 1.7802571 1.4281773 2.5481935 1.8554451 1.0925410
[85] 2.1823722 2.2788755 2.4205378 2.0733741 0.7462248 1.3873578 1.4265948
[92] 0.7212619 0.7425993 1.0696432 2.4520585 3.0555819 3.1000885 1.0945292
[99] 0.3726928        NA
Warning message:
In rollapply.zoo(zoo(data), ...) : na.pad argument is deprecated

    Vous pouvez vous débarrasser de l'avertissement à l'aide de la fill = NA argument, comme dans

    > rollapply(vec, width = 3, FUN = sd, fill = NA)
    • Merci Gavin, je suppose que c'est un add-on en question, mais savez-vous d'une base de R solution qui utilise ts?
    • nope, pas une seule fonction. Vous pourriez code ce sur la base de R volets (comme rollapply() a été), mais il n'y a rien en conserve que je suis au courant de
    InformationsquelleAutor Gavin Simpson
  2. 19

    Le TTR paquet a runSD entre autres:

    > library(TTR)
> ls("package:TTR", pattern="run*")
[1] "runCor"    "runCov"    "runMAD"    "runMax"    "runMean"  
[6] "runMedian" "runMin"    "runSD"     "runSum"    "runVar"

    runSD sera beaucoup plus rapide que rollapply parce qu'il évite de faire beaucoup de R des appels de fonction. Par exemple:

    rzoo <- function(x,n) rollapplyr(x, n, sd, fill=NA)
rttr <- function(x,n) runSD(x, n)
library(rbenchmark)
set.seed(21)
x <- rnorm(1e4)
all.equal(rzoo(x,250), rttr(x,250))
# [1] TRUE
benchmark(rzoo(x,250), rttr(x,250))[,1:6]
#           test replications elapsed relative user.self sys.self
# 2 rttr(x, 250)          100    0.58    1.000      0.58     0.00
# 1 rzoo(x, 250)          100   54.53   94.017     53.85     0.06
    • Joli paquet, merci! Pour les autres utilisateurs, c'est comme si vous fournissez un vecteur de longueur <n cette fonction génère une erreur, ce qui signifie que si vous l'appliquez à de nombreux groupes dans un ensemble de données (par exemple, les différentes actions, à l'aide de data.table), et l'un d'eux a trop peu de données, l'ensemble de l'opération sera le rendement d'une erreur de type is outside valid range:.... Les utilisateurs pourraient résoudre ce par emballage de la fonction de donner un comportement différent (comme retourner à la NAs) lorsqu'il y a trop peu de données est fourni.
    • merci pour le commentaire! J'aime l'idée de retourner toutes NA lorsque trop peu de données est fourni. Je vais étudier la façon de mettre en place quelque chose comme ça directement dans le TTR fonctions (voir la #68).
    InformationsquelleAutor Joshua Ulrich
  3. 14

    rollapply dans le zoo package prend une fonction arbitraire. C'est différent de filter en ce qu'il exclut la NAs par défaut.

    Cela étant dit, cependant, il n'y a pas beaucoup de sens dans le chargement d'un package pour une fonction qui est si simple de s'enrouler (pun intended).

    Voici un qui est aligné à droite:

    my.rollapply <- function(vec, width, FUN) 
sapply(seq_along(vec), 
function(i) if (i < width) NA else FUN(vec[i:(i-width+1)]))
set.seed(1)
vec <- sample(1:50, 50)
my.rollapply(vec, 3, sd)
[1]        NA        NA  7.094599 12.124356 16.522712 18.502252 18.193405  7.234178  8.144528
[10] 14.468356 12.489996  3.055050 20.808652 19.467922 18.009257 18.248288 15.695010  7.505553
[19] 10.066446 11.846237 17.156146  6.557439  5.291503 23.629078 22.590558 21.197484 22.810816
[28] 24.433583 19.502137 16.165808 11.503623 12.288206  9.539392 13.051181 13.527749 19.974984
[37] 19.756855 17.616280 19.347696 18.248288 15.176737  6.082763 10.000000 10.016653  4.509250
[46]  2.645751  1.527525  5.291503 10.598742  6.557439
# rollapply output for comparison
rollapply(vec, width=3, sd, fill=NA, align='right')
[1]        NA        NA  7.094599 12.124356 16.522712 18.502252 18.193405  7.234178  8.144528
[10] 14.468356 12.489996  3.055050 20.808652 19.467922 18.009257 18.248288 15.695010  7.505553
[19] 10.066446 11.846237 17.156146  6.557439  5.291503 23.629078 22.590558 21.197484 22.810816
[28] 24.433583 19.502137 16.165808 11.503623 12.288206  9.539392 13.051181 13.527749 19.974984
[37] 19.756855 17.616280 19.347696 18.248288 15.176737  6.082763 10.000000 10.016653  4.509250
[46]  2.645751  1.527525  5.291503 10.598742  6.557439
    InformationsquelleAutor Matthew Plourde