wenden Sie eine Rolling Mean auf eine Datenbank von einem Index

Question

Ich möchte ein rollendes Mittel auf Daten in einem einzelnen Datenrahmen durch mehrere IDs berechnen. Siehe meinen Beispieldatensatz unten.

date <- as.Date(c("2015-02-01", "2015-02-02", "2015-02-03", "2015-02-04", 
      "2015-02-05", "2015-02-06", "2015-02-07", "2015-02-08", 
      "2015-02-09", "2015-02-10", "2015-02-01", "2015-02-02", 
      "2015-02-03", "2015-02-04", "2015-02-05", "2015-02-06", 
      "2015-02-07", "2015-02-08", "2015-02-09", "2015-02-10")) 
index <- c("a","a","a","a","a","a","a","a","a","a", 
      "b","b","b","b","b","b","b","b","b","b") 
x <- runif(20,1,100) 
y <- runif(20,50,150) 
z <- runif(20,100,200) 

df <- data.frame(date, index, x, y, z) 

Ich möchte das Walzen für x, y und z bedeuten, berechnen, die von A und dann durch b.

Ich habe Folgendes versucht, aber ich bekomme einen Fehler.

test <- tapply(df, df$index, FUN = rollmean(df, 5, fill=NA)) 

Der Fehler:

Error in xu[k:n] - xu[c(1, seq_len(n - k))] : 
    non-numeric argument to binary operator 

Es scheint, als ob es ein Problem mit der Tatsache ist, dass Index ein Charakter ist, aber ich brauche es, um die Mittel zu berechnen ...

Answer 1

Dies sollte den Trick mit der Bibliothek dplyr und zoo tun:

library(dplyr) 
library(zoo) 

df %>% 
    group_by(index) %>% 
    mutate(x_mean = rollmean(x, 5, fill = NA), 
     y_mean = rollmean(y, 5, fill = NA), 
     z_mean = rollmean(z, 5, fill = NA)) 

Sie könnten Proba bly aufgeräumt dies mehr mit mutate_each oder eine andere Form von mutate. nur über die Spalten von Interesse, dh

Sie können auch die Argumente innerhalb rollmean ändern, um Ihre Bedürfnisse, wie align = "right" oder na.pad = TRUE

Answer 2

1) ave Versuchen ave statt tapply und stellen Sie sicher, dass es angewendet passen wird Spalten 3, 4, 5.

roll <- function(x) rollmean(x, 5, fill = NA) 
cbind(df[1:2], lapply(df[3:5], function(x) ave(x, df$index, FUN = roll))) 

geben:

  date index  x   y  z 
1 2015-02-01  a  NA  NA  NA 
2 2015-02-02  a  NA  NA  NA 
3 2015-02-03  a 66.50522 127.45650 129.8472 
4 2015-02-04  a 61.71320 123.83633 129.7673 
5 2015-02-05  a 56.56125 120.86158 126.1371 
6 2015-02-06  a 66.13340 119.93428 127.1819 
7 2015-02-07  a 59.56807 105.83208 125.1244 
8 2015-02-08  a 49.98779 95.66024 139.2321 
9 2015-02-09  a  NA  NA  NA 
10 2015-02-10  a  NA  NA  NA 
11 2015-02-01  b  NA  NA  NA 
12 2015-02-02  b  NA  NA  NA 
13 2015-02-03  b 55.71327 117.52219 139.3961 
14 2015-02-04  b 54.58450 107.81763 142.6101 
15 2015-02-05  b 50.48102 104.94084 136.3167 
16 2015-02-06  b 37.89790 95.45489 135.4044 
17 2015-02-07  b 33.05259 85.90916 150.8673 
18 2015-02-08  b 49.91385 90.04940 147.1376 
19 2015-02-09  b  NA  NA  NA 
20 2015-02-10  b  NA  NA  NA 

2) von Eine andere Möglichkeit ist die Verwendung by. behandelt eine Gruppe, by wendet es auf jede Gruppe an, die eine by Liste produziert, und do.call("rbind", ...) setzt es wieder zusammen.

roll2 <- function(x) cbind(x[1:2], rollmean(x[3:5], 5, fill = NA)) 
do.call("rbind", by(df, df$index, roll2)) 

geben:

  date index  x   y  z 
a.1 2015-02-01  a  NA  NA  NA 
a.2 2015-02-02  a  NA  NA  NA 
a.3 2015-02-03  a 66.50522 127.45650 129.8472 
a.4 2015-02-04  a 61.71320 123.83633 129.7673 
a.5 2015-02-05  a 56.56125 120.86158 126.1371 
a.6 2015-02-06  a 66.13340 119.93428 127.1819 
a.7 2015-02-07  a 59.56807 105.83208 125.1244 
a.8 2015-02-08  a 49.98779 95.66024 139.2321 
a.9 2015-02-09  a  NA  NA  NA 
a.10 2015-02-10  a  NA  NA  NA 
b.11 2015-02-01  b  NA  NA  NA 
b.12 2015-02-02  b  NA  NA  NA 
b.13 2015-02-03  b 55.71327 117.52219 139.3961 
b.14 2015-02-04  b 54.58450 107.81763 142.6101 
b.15 2015-02-05  b 50.48102 104.94084 136.3167 
b.16 2015-02-06  b 37.89790 95.45489 135.4044 
b.17 2015-02-07  b 33.05259 85.90916 150.8673 
b.18 2015-02-08  b 49.91385 90.04940 147.1376 
b.19 2015-02-09  b  NA  NA  NA 
b.20 2015-02-10  b  NA  NA  NA 

3) breite Form Einen anderen Ansatz ist df von Langform zu breiter Form umzuwandeln, in dem Fall ein einfaches rollmean es tun wird.

rollmean(read.zoo(df, split = 2), 5, fill = NA) 

geben:

   x.a  y.a  z.a  x.b  y.b  z.b 
2015-02-01  NA  NA  NA  NA  NA  NA 
2015-02-02  NA  NA  NA  NA  NA  NA 
2015-02-03 66.50522 127.45650 129.8472 55.71327 117.52219 139.3961 
2015-02-04 61.71320 123.83633 129.7673 54.58450 107.81763 142.6101 
2015-02-05 56.56125 120.86158 126.1371 50.48102 104.94084 136.3167 
2015-02-06 66.13340 119.93428 127.1819 37.89790 95.45489 135.4044 
2015-02-07 59.56807 105.83208 125.1244 33.05259 85.90916 150.8673 
2015-02-08 49.98779 95.66024 139.2321 49.91385 90.04940 147.1376 
2015-02-09  NA  NA  NA  NA  NA  NA 
2015-02-10  NA  NA  NA  NA  NA  NA 

Das funktioniert, weil die Daten die gleichen für beide Gruppen sind. Wenn die Daten anders wären, könnte es NAs einführen und rollmean kann diese nicht behandeln. In diesem Fall

rollapply(read.zoo(df, split = 2), 5, mean, fill = NA) 

verwenden Hinweis: Da die Eingabe von Zufallszahlen in seiner Definition verwendet, um es reproduzierbar zu machen wir set.seed erste ausstellen muss.Wir verwendeten dies:

set.seed(123) 
date <- as.Date(c("2015-02-01", "2015-02-02", "2015-02-03", "2015-02-04", 
      "2015-02-05", "2015-02-06", "2015-02-07", "2015-02-08", 
      "2015-02-09", "2015-02-10", "2015-02-01", "2015-02-02", 
      "2015-02-03", "2015-02-04", "2015-02-05", "2015-02-06", 
      "2015-02-07", "2015-02-08", "2015-02-09", "2015-02-10")) 
index <- c("a","a","a","a","a","a","a","a","a","a", 
      "b","b","b","b","b","b","b","b","b","b") 
x <- runif(20,1,100) 
y <- runif(20,50,150) 
z <- runif(20,100,200)