Arrays 如何将阵列扩展到另一个长度以节省它'；R中的s近似值

我有两个不同长度的数组

value <- c(1,1,1,4,4,4,1,1,1)
time <- c(1,2,3,4,5,6,7,8,9,10,11,12,13,14,15)

所以长度是相等的

UPD

好的，主要目标是计算v1与v2的相关性，其中 v1在data.frame v1、t1和v2在data.frame v2、t2的内部

v1、t1和v2、t2数据帧具有不同的长度，但是我们知道t1和t2的时间段相等，所以我们可以覆盖它们

对于t1，我们有1,3,5,7,9，对于t2，我们有1,2,3,4,5,6,7,8,9,10

问题是，两个数据帧分别记录，但同时记录，因此我需要缩放其中一个以覆盖另一个data.frame。然后我可以计算v1对v2影响的相关性

这就是为什么我需要将v1调整为t2长度的原因

---

对不起，伙计们，我不知道如何用英语正确地写下目标

这个小函数尝试将较短向量中的值尽可能均匀地填充出来，并且是通用的。我没有过多考虑边缘案例，我相信有很多案例打破了它。此外，它似乎可以简化，但这是你正在寻找做的

pad <- function(x,y){
    fill <- length(y) - length(x)
    run <- rle(x)
    add <- fill %/% length(run$lengths)
    pad <- diff( c( 0 , as.integer( seq( add , fill , length.out = length(run$lengths) ) ) ) )
    rep(run$values , times = run$lengths+pad)
}
pad(value,time)
[1] 1 1 1 1 1 4 4 4 4 4 1 1 1 1 1

---

pad您可以使用
近似值中的
xout
参数

“
xout：一组可选的数值，指定插值发生的位置。
”

#创建一些虚假数据，我认为这些数据可能与您在编辑中描述的数据相似。
种子集（123）
#“对于t1，我们有1,3,5,7,9”
df1“保存近似值”是什么意思？您可以通过
rep_len（值、长度（时间））
简单地回收
value
。您需要更具体一些。哪些值要附加到“value”中？我只是不明白如何用英语来表达，谢谢。对不起，我不明白在“value”中附加哪些数字的基本规则；前三个“1”变为五个“1”；三个"四",六个"四",；最后三个“1”->四个“1”。不应该将
value
拉伸到每个数字重复5次<代码>（3/9）*15=5
？
pad <- function(x,y){
    fill <- length(y) - length(x)
    run <- rle(x)
    add <- fill %/% length(run$lengths)
    pad <- diff( c( 0 , as.integer( seq( add , fill , length.out = length(run$lengths) ) ) ) )
    rep(run$values , times = run$lengths+pad)
}
pad(value,time)
[1] 1 1 1 1 1 4 4 4 4 4 1 1 1 1 1

value <- 1:2
time <- 1:10
pad(value,time)
[1] 1 1 1 1 1 2 2 2 2 2

# create some fake data, which I _think_ may resemble the data you described in edit.
set.seed(123)
# "for t1 we have 1,3,5,7,9"
df1 <- data.frame(time = c(1, 3, 5, 7, 9), value = sample(1:10, 5))
df1                  

# "for t2 we have 1,2,3,4,5,6,7,8,9,10", the 'full time series'.
df2 <- data.frame(time = 1:10, value = sample(1:10))

# interpolate using approx and the xout argument
# The time values for 'full time series', df2$time, is used as `xout`.
# default values of arguments (e.g. linear interpolation, no extrapolation)
interpol1 <- with(df1, approx(x = time, y = value, xout = df2$time))

# some arguments you may wish to check
# extrapolation rules
interpol2 <- with(df1, approx(x = time, y = value, xout = df2$time,
                              rule = 2))

# interpolation method ('last observation carried forward")
interpol3 <- with(df1, approx(x = time, y = value, xout = df2$time,
                              rule = 2, method = "constant"))

df1
#   time value
# 1    1     3
# 2    3     8
# 3    5     4
# 4    7     7
# 5    9     6

interpol1
# $x
# [1]  1  2  3  4  5  6  7  8  9 10
# 
# $y
# [1] 3.0 5.5 8.0 6.0 4.0 5.5 7.0 6.5 6.0  NA

interpol3
# $x
# [1]  1  2  3  4  5  6  7  8  9 10
# 
# $y
# [1] 3 3 8 8 4 4 7 7 6 6

# correlation between a vector of inter-(extra-)polated values
# and the 'full' time series
cor.test(interpol3$y, df2$value)