将函数应用于R中面板数据中的滚动窗口
我尝试在滚动窗口中按类别应用一个函数(比如标准偏差): 我有以下数据:将函数应用于R中面板数据中的滚动窗口,r,time-series,panel-data,rollapply,R,Time Series,Panel Data,Rollapply,我尝试在滚动窗口中按类别应用一个函数(比如标准偏差): 我有以下数据: cat = c("A", "A", "A", "A", "B", "B", "B", "B") year = c(1990, 1991, 1992, 1993, 1990, 1991, 1992, 1993) value = c(2, 3, 5, 6, 8, 9, 4, 5) df = data.frame(cat, year, value) 我想创建一个新的列(比如sd),用cat估计两年窗口内的标准偏差 以下是我
cat = c("A", "A", "A", "A", "B", "B", "B", "B")
year = c(1990, 1991, 1992, 1993, 1990, 1991, 1992, 1993)
value = c(2, 3, 5, 6, 8, 9, 4, 5)
df = data.frame(cat, year, value)
我想创建一个新的列(比如sd),用cat估计两年窗口内的标准偏差
以下是我想到的结果:
关于如何实现这一点,您有什么建议吗?可以使用
zoo
软件包中的rollapply
:
library(zoo)
cat = c("A", "A", "A", "A", "B", "B", "B", "B")
year = c(1990, 1991, 1992, 1993, 1990, 1991, 1992, 1993)
value = c(2, 3, 5, 6, 8, 9, 4, 5)
df = data.frame(cat, year, value)
df$stdev <- unlist(by(df, df$cat, function(x) {
c(NA, rollapply(x$value, width=2, sd))
}), use.names=FALSE)
print(df)
## cat year value stdev
## 1 A 1990 2 NA
## 2 A 1991 3 0.7071068
## 3 A 1992 5 1.4142136
## 4 A 1993 6 0.7071068
## 5 B 1990 8 NA
## 6 B 1991 9 0.7071068
## 7 B 1992 4 3.5355339
## 8 B 1993 5 0.7071068
作为一个百灵鸟,我对上述两种方法进行了system.time
(多次)比较,以及在回答下面的评论线程中指出的ave
方法(从数据帧的“新”副本开始)
而ddply
版本采用:
user system elapsed
0.004 0.000 0.004
速度并不是一个真正的问题,但看起来
ave
和by
版本是最有效的方法。谢谢,但这并不完全正确-我希望这些标准偏差按“cat”分组。我可以在这里使用ddply或类似的东西吗?不需要unlist(by(…)
-ave
可能更合适:带有(df,ave(value,cat,FUN=function(x)c(NA,rollappy(x,width=2,sd))
Nice。没有想到ave。它有交互作用(…);split(x,g)通过使用rollappyr
和fill=NA
参数可以稍微简化:ave(df$value,df$cat,FUN=function(v)rollappyr(v,2,sd,fill=NA))
现在我想返回并将其添加到时间测试中!这是最好的全面解决方案。
df <- data.frame(cat, year, value)
system.time(df$stdev <- with(df, ave(value, cat, FUN=function(x) c(NA, rollapply(x, width=2, sd)))))
df <- data.frame(cat, year, value)
system.time(df$stdev <- unlist(by(df, df$cat, function(x) c(NA, rollapply(x$value, width=2, sd))), use.names=FALSE))
df <- data.frame(cat, year, value)
system.time(df$stdev <- ddply(df, .(cat), summarise, stdev=c(NA, rollapply(value, width=2, sd)))$stdev)
user system elapsed
0.002 0.000 0.002
user system elapsed
0.004 0.000 0.004