将ccf()与rollapply一起在R中跨变量使用
我有3列数据,每列10行,如下所示将ccf()与rollapply一起在R中跨变量使用,r,cross-correlation,rollapply,R,Cross Correlation,Rollapply,我有3列数据,每列10行,如下所示 set.seed(101) inputx <- rnorm(1000,mean = 3,sd=2) inputy <- rnorm(1000,mean = 2,sd=1) inputz <- rnorm(1000,mean = 1,sd=3) example <- cbind(inputx,inputy,inputz) > head(example,10) inputx inputy i
set.seed(101)
inputx <- rnorm(1000,mean = 3,sd=2)
inputy <- rnorm(1000,mean = 2,sd=1)
inputz <- rnorm(1000,mean = 1,sd=3)
example <- cbind(inputx,inputy,inputz)
> head(example,10)
inputx inputy inputz
[1,] 2.347927 2.50319581 4.4931430
[2,] 4.104924 -0.09747067 -0.2836938
[3,] 1.650112 1.90551542 0.9146087
[4,] 3.428719 3.01454241 4.9332929
[5,] 3.621538 1.92059955 2.4220865
[6,] 5.347933 1.74487106 2.9122764
[7,] 4.237580 2.78095054 7.8622898
[8,] 2.774531 3.20741266 -1.5977934
[9,] 4.834057 1.09214734 -0.5482315
[10,] 2.553481 0.59679215 0.5285020
e、 g
正如您所看到的,上面的这个示例只适用于第1列和第2列,但我希望使用滚动窗口方法对所有列都适用
使用rollapply函数可以轻松地处理滚动窗口过程,在该函数中,您可以指定窗口的大小,并将by.column指定为FALSE,这样它就不会对每一列单独应用该函数
如果我想对每一列应用一个函数,比如mean,我可以这样做,但是在所有组合的列之间循环只是让我感到震惊,我无法理解
test <- rollapply(example[,c(1,2)],4,mean, by.column=TRUE)
如果能在所有排列中应用循环,我将不胜感激,我想如果我得到了,我就可以使用rollapply包装器来实现滑动窗口 使用
展开.grid
生成组合列表。然后,您可以执行以下操作:
combos <- expand.grid(colnames(example), colnames(example), stringsAsFactors=F)
sapply(1:nrow(combos), function(j) {
MY_CALCULATION
})
combos我真的说不出你想要实现什么。我没有看到base R中的函数rollply
,但我知道您可以使用combn
函数:
我将为您提供上述示例的所有4个窗口组合,但仅针对10个数字。我无法生成1000个数字,但您可以更改代码来实现这一点
set.seed(101)
inputx <- rnorm(10,mean = 3,sd=2)
inputy <- rnorm(10,mean = 2,sd=1)
inputz <- rnorm(10,mean = 1,sd=3)
example <- cbind(inputx,inputy,inputz)# Has only 10 rows. just for illustration
a=lapply(1:(nrow(example)-3),function(x) x:(x+3))# all the four window combinations
Map(combn,ncol(example),2,c(function(x,y) example[y,x]),y=a)
set.seed(101)
输入x1)ccf(x,y)
由两个4向量组成x
和y
给出一个7向量,因此输出将有3*3*7=63列,而不是问题中所述的9列
在一篇评论中,海报指出另一个函数可以替代ccf
,因此下面我们假设cov(x,y)
,因为它输出一个标量,而不是一个7向量,因此会产生10 x 9的输出。在这种特殊情况下,cov(cbind(x,y,z))
生成一个3x3矩阵,当展平时给出一个9向量
rollapplyr(head(example, 10), 4, function(x) c(cov(x)), fill = NA, by.column = FALSE)
给出以下10x9矩阵:
[,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9]
[1,] NA NA NA NA NA NA NA NA NA
[2,] NA NA NA NA NA NA NA NA NA
[3,] NA NA NA NA NA NA NA NA NA
[4,] 1.1990739 -0.72070179 -0.3951435 -0.72070179 1.8590569 3.1565993 -0.3951435 3.1565993 6.718376
[5,] 1.1503463 -0.51712419 0.1548365 -0.51712419 1.6830055 2.6102211 0.1548365 2.6102211 5.058550
[6,] 2.2854029 -0.12857123 1.1658204 -0.12857123 0.3413027 0.7821381 1.1658204 0.7821381 2.753662
[7,] 0.7473036 -0.31336885 -0.2743693 -0.31336885 0.3923239 1.1959920 -0.2743693 1.1959920 6.109035
[8,] 1.1727627 -0.53344663 2.2960862 -0.53344663 0.4851109 -0.5067012 2.2960862 -0.5067012 15.027672
[9,] 1.2381071 -0.88053417 1.5728089 -0.88053417 0.9289009 0.7283704 1.5728089 0.7283704 18.179175
[10,] 1.2353345 -0.05021654 1.7008923 -0.05021654 1.6116281 1.4902571 1.7008923 1.4902571 18.399713
2)或给出相同结果的:
k <- ncol(example)
g <- expand.grid(1:k, 1:k)
Cov <- function(x) apply(g, 1, function(ix) cov(x[, ix[1]], x[, ix[2]]))
rollapplyr(head(example, 10), 4, Cov, by.column = FALSE, fill = NA)
k您是指cor
还是cov
而不是ccf
?两个4向量的ccf是7向量,因此所有9种可能性的输出都是7*9=63长。@G.Grothendieck,感谢您的回复。我使用ccf,因为它是一个简单的函数,需要两个输入变量,任何两个输入函数都可以使用。我想主要的一点是采用矩阵/数据帧,并在所有列排列中应用滚动函数。我问了这个问题,我大声喊了出来,但没有得到回答,所以我试图简化我的问题以吸引答案,我猜提到小波会吓跑一些人,但想法仍然是一样的。
rollapplyr(head(example, 10), 4, function(x) c(cov(x)), fill = NA, by.column = FALSE)
[,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9]
[1,] NA NA NA NA NA NA NA NA NA
[2,] NA NA NA NA NA NA NA NA NA
[3,] NA NA NA NA NA NA NA NA NA
[4,] 1.1990739 -0.72070179 -0.3951435 -0.72070179 1.8590569 3.1565993 -0.3951435 3.1565993 6.718376
[5,] 1.1503463 -0.51712419 0.1548365 -0.51712419 1.6830055 2.6102211 0.1548365 2.6102211 5.058550
[6,] 2.2854029 -0.12857123 1.1658204 -0.12857123 0.3413027 0.7821381 1.1658204 0.7821381 2.753662
[7,] 0.7473036 -0.31336885 -0.2743693 -0.31336885 0.3923239 1.1959920 -0.2743693 1.1959920 6.109035
[8,] 1.1727627 -0.53344663 2.2960862 -0.53344663 0.4851109 -0.5067012 2.2960862 -0.5067012 15.027672
[9,] 1.2381071 -0.88053417 1.5728089 -0.88053417 0.9289009 0.7283704 1.5728089 0.7283704 18.179175
[10,] 1.2353345 -0.05021654 1.7008923 -0.05021654 1.6116281 1.4902571 1.7008923 1.4902571 18.399713
k <- ncol(example)
g <- expand.grid(1:k, 1:k)
Cov <- function(x) apply(g, 1, function(ix) cov(x[, ix[1]], x[, ix[2]]))
rollapplyr(head(example, 10), 4, Cov, by.column = FALSE, fill = NA)