R 在一列中创建每三行的滚动平均值，并将其存储在新变量中_R_Dplyr_Moving Average

R 在一列中创建每三行的滚动平均值，并将其存储在新变量中

R 在一列中创建每三行的滚动平均值，并将其存储在新变量中,r,dplyr,moving-average,R,Dplyr,Moving Average,我试图获得特定列中每三（或第二）行的滚动平均值。更确切地说，我希望将滚动平均值存储在现有数据帧中的新变量中我尝试使用此功能： w %>% mutate(rmean = roll_meanl(SWI_001, 3)) %>% filter(between(date, 2, 4)) %>% select(-date) 我想要每三行变量SWI_001的滚动平均值。带有数据的新变量应为roll_mean1 但我不知道如何正确过滤它我的dataframe（w）看起

我试图获得特定列中每三（或第二）行的滚动平均值。更确切地说，我希望将滚动平均值存储在现有数据帧中的新变量中

我尝试使用此功能：

w %>% 
  mutate(rmean = roll_meanl(SWI_001, 3)) %>% 
  filter(between(date, 2, 4)) %>% 
  select(-date)

我想要每三行变量SWI_001的滚动平均值。带有数据的新变量应为roll_mean1

但我不知道如何正确过滤它

我的dataframe（w）看起来像这样，但是总共有255行，几乎有50列：

           Date ASS_SUB ASS_TOP SWI_001 SWI_005 SWI_010 SWI_100 B1_005 B1_015 B1_025 B1_035 B1_045 B1_055 B1_065
  1: 06.11.2018   17.37   14.16   15.54      NA   15.57      NA     NA     NA     NA     NA     NA     NA     NA
  2: 07.11.2018   17.32   13.90   15.21      NA   15.51      NA   14.4   14.8   14.8   14.8   14.8   14.8   14.8
  3: 08.11.2018   17.29   13.77   14.75      NA   15.39      NA   14.2   14.8   14.8   14.8   14.8   14.8   14.8
  4: 09.11.2018   17.27   13.64   15.05      NA   15.38      NA   14.0   14.8   14.8   14.8   14.8   14.8   14.8
  5: 10.11.2018   17.24   13.64   14.89      NA   15.30      NA   13.9   14.8   14.8   14.8   14.8   14.8   14.8
 ---

最后，我需要不止一列的滚动平均值，但为了开始，我很高兴能朝着正确的方向推进。

有很多不同的方法可以做到这一点：

您可以使用
```
zoo
```
包（
```
rollmean
```
）中的滚动平均值/最大值/中间值函数
使用
```
TTR
```
在
```
预测中使用ma
```


另见此处：
对于下一个问题，如果您可以使用dput（）
，将数据包含在您列出的代码中，那就太好了-我尝试快速重新创建它：
库（tidyverse）
tibble：：tribble(
~Date、~ASS_SUB、~ASS_TOP、~SWI_001、~SWI_005、~SWI_010、~SWI_100、~B1_005、~B1_015、~B1_025、~B1_035、~B1_045、~B1_055、~B1_065、，
“2018年11月6日”，17.37,14.16,15.54，不适用，15.57，不适用，不适用，不适用，不适用，不适用，不适用，
“2018年11月7日”，17.32,13.90,15.21，NA，15.51，NA，14.4,14.8,14.8,14.8,14.8,14.8,14.8,14.8,14.8，
“2018年11月8日”，17.29,13.77,14.75，不适用，15.39，不适用，14.2,14.8,14.8,14.8,14.8,14.8,14.8,14.8，
“2018年11月9日”，17.27,13.64,15.05，NA，15.38，NA，14.0,14.8,14.8,14.8,14.8,14.8,14.8,14.8,14.8，
“2018年11月10日”，17.24,13.64,14.89，不适用，15.30，不适用，13.9,14.8,14.8,14.8,14.8,14.8,14.8,14.8,14.8
)->w

例如，我将使用zoo
包中的rollmean
。我们使用fill=NA
选项来指示如果没有3个值（一个在前面，一个在后面），那么值应该是NA
。这意味着您不必过滤数据。当然，您可以对此进行修改-使用？na.fill
查看更多信息
图书馆（动物园）
w%>%
突变（rmean=rollmean（SWI_001,3，fill=NA））

如果要将其应用于大量列，可以使用dplyr
包中的cross（）
命令：
w%>%
突变（跨越（.cols=c（SWI_001，SWI_010），.fns=~rollmean（，3，fill=NA），.names=“{.col}\u rmean”））

甚至对于所有数字列：
w%>%
mutate（跨（.cols=where（is.numeric），.fns=~rollmean（，3，fill=NA），.names=“{.col}\u rmean”））

关于过滤的更多信息：
我不确定1:
、2:
等是否属于Date
变量的一部分（下面的案例1）或仅仅是行号（案例2）。但无论如何，我建议使用以下任一方法将列转换为Date
格式：
案例1：
w%>%
突变（日期=gsub（“[0-9]：”，“，”，日期），
日期=截止日期（日期，格式=“%d.%m.%Y”））

案例2：
w%>%
变异（日期=as.Date（日期，格式=“%d.%m.%Y”））

一旦有了这些，您就可以使用（并从上面进行组合）轻松过滤：
w%>%
突变（日期=gsub（“[0-9]：”，“，”，日期），
日期=截止日期（日期，格式=“%d.%m.%Y”））%>%
变异（跨越（.cols=c（SWI_001，SWI_010），.fns=~rollmean（，3，fill=NA），.names=“{.col}\u rmean”））%>%
过滤器（介于（日期、截止日期（“2018-11-07”）和截止日期（“2018-11-09”）之间）