Gleitenden Varianz in R

Ich weiß, dass die filter() Funktion in R die Berechnung des gleitenden Durchschnitts. Ich würde gerne wissen, ob es existiert eine Funktion, die mir das bewegen Varianz oder Standardabweichung, um zu zeigen, dass es in einem Grundstück-Seite an Seite mit der Ausgabe des filter() Funktion.

InformationsquelleAutor emanuele | 2012-11-02

Betrachten die zoo Paket. Zum Beispiel filter() gibt:

> filter(1:100, rep(1/3,3))
Time Series:
Start = 1 
End = 100 
Frequency = 1 
  [1] NA  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
 [26] 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50
 [51] 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75
 [76] 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 NA

in der Erwägung, dass rollmean() im zoo gibt:

> rollmean(1:100, k = 3, na.pad = TRUE)
  [1] NA  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
 [26] 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50
 [51] 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75
 [76] 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 NA

ist das gleiche (für ein 3-Punkt-gleitender Durchschnitt in diesem Beispiel).

Während zoo nicht rollsd() oder rollvar() es hat rollapply(), welche Werke wie die apply() Funktionen für eine R-Funktion, um das angegebene Fenster.

> rollapply(1:100, width = 3, FUN = sd, na.pad = TRUE)
  [1] NA  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1
 [26]  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1
 [51]  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1
 [76]  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1 NA
Warning message:
In rollapply.zoo(zoo(data), ...) : na.pad argument is deprecated

oder auf etwas interessanteres:

> rollapply(vec, width = 3, FUN = sd, na.pad = TRUE)
  [1]        NA 0.3655067 0.8472871 0.5660495 0.3491970 0.4732417 0.9236859
  [8] 0.8075226 1.8725851 1.1930784 0.6329325 1.1412416 0.8430772 0.5808005
 [15] 0.3838545 1.1738170 1.1655400 1.3241700 0.6876834 0.1534157 0.4858477
 [22] 0.9843506 0.6002713 0.6897541 2.0619563 2.5675788 6.3522039 6.0066864
 [29] 6.2618432 5.1704866 2.1360853 2.5602557 1.0408528 1.0316396 4.9441628
 [36] 5.0319314 5.7589716 3.2425000 4.8788158 2.0847286 4.5199291 2.5323486
 [43] 2.1987149 1.8393000 1.2278639 1.5998965 1.5341485 4.4287108 4.4159166
 [50] 4.3224546 3.6959067 4.9826264 5.3134044 8.4084322 9.1249234 7.5506725
 [57] 3.8499136 3.9680487 5.6362296 4.9124095 4.3452706 4.0227141 4.5867559
 [64] 4.7350394 4.3203807 4.4506799 7.2759499 7.6536424 7.8487654 2.0905576
 [71] 4.0056880 5.6209853 1.5551659 1.3615268 2.8469458 2.8323588 1.9848578
 [78] 1.1201124 1.4248380 1.7802571 1.4281773 2.5481935 1.8554451 1.0925410
 [85] 2.1823722 2.2788755 2.4205378 2.0733741 0.7462248 1.3873578 1.4265948
 [92] 0.7212619 0.7425993 1.0696432 2.4520585 3.0555819 3.1000885 1.0945292
 [99] 0.3726928        NA
Warning message:
In rollapply.zoo(zoo(data), ...) : na.pad argument is deprecated

Können Sie loswerden der Warnung durch die Verwendung der fill = NA argument wie im

> rollapply(vec, width = 3, FUN = sd, fill = NA)

Danke Gavin, ich denke, dies ist ein add-on Frage, aber kennen Sie einen Basis-f-Lösung, die verwendet ts?
nee, nicht eine einzelne Funktion. Man könnte code aus dem Basis-R-Teile (wie rollapply() wurde), aber es ist nichts in Dosen dass ich mir bewusst bin

InformationsquelleAutor Gavin Simpson

19

Den TTR-Paket hat runSD unter anderem:
```
> library(TTR)
> ls("package:TTR", pattern="run*")
 [1] "runCor"    "runCov"    "runMAD"    "runMax"    "runMean"  
 [6] "runMedian" "runMin"    "runSD"     "runSum"    "runVar"
```
runSD viel schneller als rollapply da vermieden wird, machen viele R-Funktion aufruft. Zum Beispiel:
```
rzoo <- function(x,n) rollapplyr(x, n, sd, fill=NA)
rttr <- function(x,n) runSD(x, n)
library(rbenchmark)
set.seed(21)
x <- rnorm(1e4)
all.equal(rzoo(x,250), rttr(x,250))
# [1] TRUE
benchmark(rzoo(x,250), rttr(x,250))[,1:6]
#           test replications elapsed relative user.self sys.self
# 2 rttr(x, 250)          100    0.58    1.000      0.58     0.00
# 1 rzoo(x, 250)          100   54.53   94.017     53.85     0.06
```
- Schönes Paket, danke! Für andere Nutzer sieht es aus, wenn Sie ein Vektor der Länge <n diese Funktion ergibt einen Fehler, was bedeutet, dass, wenn Sie es zu viele Gruppen in einem Datensatz (z.B. verschiedene Bestände, mit data.table), und jeder von Ihnen hat zu wenig Daten, der gesamte Betrieb wird der Ertrag ein Fehler des Typs is outside valid range:.... Benutzer könnten dieses Problem lösen, indem er die Funktion zu geben, die sich anders Verhalten (wie der Rückkehr NAN), wenn zu wenig Daten vorhanden sind.
- vielen Dank für den Kommentar! Ich mag die Idee von der Rückkehr alle NA wenn zu wenig Daten vorhanden sind. Ich werde überlegen, wie Sie etwas umsetzen möchten, die direkt in die TTR-Funktionen (siehe #68).
InformationsquelleAutor Joshua Ulrich

rollapply im zoo Paket nimmt eine beliebige Funktion. Es unterscheidet sich von filter ist, dass es schließt die NAs standardmäßig.

Dass gesagt wird, obwohl, es gibt nicht viel Sinn in dem laden ein Paket für eine Funktion das ist so einfach zu Rollen, sich (Wortspiel beabsichtigt).

Hier eine, die ist rechts ausgerichtet:

my.rollapply <- function(vec, width, FUN) 
    sapply(seq_along(vec), 
           function(i) if (i < width) NA else FUN(vec[i:(i-width+1)]))

set.seed(1)
vec <- sample(1:50, 50)
my.rollapply(vec, 3, sd)
 [1]        NA        NA  7.094599 12.124356 16.522712 18.502252 18.193405  7.234178  8.144528
[10] 14.468356 12.489996  3.055050 20.808652 19.467922 18.009257 18.248288 15.695010  7.505553
[19] 10.066446 11.846237 17.156146  6.557439  5.291503 23.629078 22.590558 21.197484 22.810816
[28] 24.433583 19.502137 16.165808 11.503623 12.288206  9.539392 13.051181 13.527749 19.974984
[37] 19.756855 17.616280 19.347696 18.248288 15.176737  6.082763 10.000000 10.016653  4.509250
[46]  2.645751  1.527525  5.291503 10.598742  6.557439

# rollapply output for comparison
rollapply(vec, width=3, sd, fill=NA, align='right')
 [1]        NA        NA  7.094599 12.124356 16.522712 18.502252 18.193405  7.234178  8.144528
[10] 14.468356 12.489996  3.055050 20.808652 19.467922 18.009257 18.248288 15.695010  7.505553
[19] 10.066446 11.846237 17.156146  6.557439  5.291503 23.629078 22.590558 21.197484 22.810816
[28] 24.433583 19.502137 16.165808 11.503623 12.288206  9.539392 13.051181 13.527749 19.974984
[37] 19.756855 17.616280 19.347696 18.248288 15.176737  6.082763 10.000000 10.016653  4.509250
[46]  2.645751  1.527525  5.291503 10.598742  6.557439

schöne Lösung. Es ist ein wenig schneller als rollapplyr. Aus irgendeinem Grund, in sd, in der über 500-Daten, gibt es einen kleinen Unterschied: 1e-14. Warum sollte es sein, Rundung(?) Fragen?

InformationsquelleAutor Matthew Plourde

Schreibe einen Kommentar

Du musst angemeldet sein, um einen Kommentar abzugeben.