R 如何编写无止境/循环的滚动窗口？

我正在尝试创建一个滚动窗口，当窗口的尾部经过向量的末尾时，它会卷回向量的开始（假设向量长度始终至少与窗口大小一样大）。我可以通过无限次地重复向量，然后应用一个标准的滚动窗口来有效地实现这一点

也许有更好的名字来形容我想做的事，我不确定

我在R中工作，一种奇怪/被黑客攻击的方式是确保R填充矩阵的方式：

# Number of windows
n.reps <- 10

# Window Size
time <- 12

# Vector I want to applying the window to
# Assume that the length of this vector is always >= window size
t.lvls <- c(0, 0, 0, 0.25, 0.25, 0.25, 0.75, 0.75, 0.75, 1, 1, 1)

# If I know n.reps ahead of time, I can simply create n.reps
# vectors with the appropriate frameshift by using 
# matrix() and how it repeats values.
# This is effective but inelegant.
ref <- matrix(t.lvls, byrow=TRUE, nrow=n.reps, ncol=time+1)

use.lvls <- list() # holds the values in each window
for(i in 1:n.reps){
    use.lvls[[i]] <- ref[i,-(time+1)]
}

---

如果需要无限的供应，请考虑迭代器< /P>

rolliter<-function(values,window) {
  i<-0;
  values<-c(values,values);
  function() {i<<-i%%window+1;values[i:(i+window-1)]}}

---

rolliter基于@nongkrong的
%%
建议，我编写了以下函数：

f5 <- function(){
    len.tlvl <- length(t.lvls)
    vals <- (1:time + rep(0:(n.reps-1), each=time))%%len.tlvl
    use.inds <- matrix(vals, nrow=time)
    use.inds[use.inds==0] <- len.tlvl
    matrix(t.lvls[use.inds], nrow=time)
}

我修改了它，使输出是一个
矩阵
（我知道这不是我最初的“预期输出”的格式，但我发现这不重要）。请注意，
f6
函数在
t.lvls
的长度小于
time
时不起作用（同样，在我的原始问题中不是要求）

比较这两种方法的计算时间：

> microbenchmark(f5(), f6())
Unit: microseconds
 expr    min     lq      mean  median      uq      max neval
 f5() 33.789 36.436  39.28334 37.8530 40.3800    62.77   100
 f6() 61.890 66.283 359.21862 69.9395 77.9295 28811.27   100

两者都很快并产生相似的结果，但是
f5（）
方法要快一点。
用例是什么？R在许多情况下隐式执行向量循环。此外，一些特殊应用程序在不同的函数/包中处理，如
filter
和
zoo:：rollappy
@A.Webb这些是我提供给仿真模型的参数值。我希望每个点都有一个参数值。但总的来说，无穷无尽的滚动窗口听起来像是可以用于多种用途的东西。@nongkrong我不知道你在想什么。。。精心制作？@nongkrong oops。。。修正代码和输出hx；请参阅我的答案/方法以了解时间比较。看起来我们都是受@nongkrong的启发，提到
%%
f5 <- function(){
    len.tlvl <- length(t.lvls)
    vals <- (1:time + rep(0:(n.reps-1), each=time))%%len.tlvl
    use.inds <- matrix(vals, nrow=time)
    use.inds[use.inds==0] <- len.tlvl
    matrix(t.lvls[use.inds], nrow=time)
}

rolliter<-function(values,window){
    i<-0;
    values<-c(values,values);
    function() {i<<-i%%window+1;values[i:(i+window-1)]}
}
f6 <- function(){
    nxt<-rolliter(t.lvls,12)
    replicate(10,nxt(),simplify=T)
}

> microbenchmark(f5(), f6())
Unit: microseconds
 expr    min     lq      mean  median      uq      max neval
 f5() 33.789 36.436  39.28334 37.8530 40.3800    62.77   100
 f6() 61.890 66.283 359.21862 69.9395 77.9295 28811.27   100