MATLAB: rechnen Mittelwerten der einzelnen 1-Minuten-Intervall von einer Zeit-Serie

Die einzige logische Lösung zu sein scheint...

Ok. Ich finde es komisch, dass für mich gibt es nur eine logische Lösung, aber viele andere finden andere Lösungen. Egal, die Lösung scheint einfach. Gegeben die Vektoren x und t, und einer Reihe von mit gleichem Abstand break Punkte tt,

t = sort((100:999)' + 3*rand(900,1));     % non-uniform time
x = 5*rand(900,1) + 10;             % x(i) is the value at time t(i)

tt = ( floor(t(1)):1*60:ceil(t(end)) )';

(Beachten Sie, dass ich sortiert t oben).

Ich würde dies in drei vollständig vektorisiert Zeilen code. Erstens, wenn die Pausen wurden willkürlich und potentiell ungleiche Abstände, würde ich histc um zu ermitteln, welche Intervalle die Daten der Reihe fällt. Gegeben, Sie sind einheitlich, gerade dies zu tun:

int = 1 + floor((t - t(1))/60);

Wieder, wenn die Elemente von t nicht bekannt waren, werden sortiert, würde ich verwendet haben, min(t) anstelle von t(1). Wenn dies erledigt ist, verwenden Sie accumarray zu verringern, die Ergebnisse in einen Mittelwert und die Standardabweichung.

mu = accumarray(int,x,[],@mean);
sd = accumarray(int,x,[],@std);

InformationsquelleAutor

Hier ist ein Weg, der verwendet binäre Suche. Es ist 6-10x schneller für 9900 Elemente und über 64x-mal schneller für 99900 Elemente. Es war schwer zu bekommen verlässliche Zeiten mit nur 900 Elemente, also bin ich nicht sicher, was schneller ist bei dieser Größe. Es werden fast keine zusätzlichen Speicher, wenn Sie in Erwägung ziehen, tx direkt aus der generierten Daten. Außer, dass es nur vier zusätzliche float-Variablen (prevind, ersten, mittleren und letzten).

% Sort the data so that we can use binary search (takes O(N logN) time complexity).
tx = sortrows([t x]);

prevind = 1;

for i=1:N
    % First do a binary search to find the end of this section
    first = prevind;
    last = length(tx);
    while first ~= last
        mid = floor((first+last)/2);
        if tt(i+1) > tx(mid,1)
            first = mid+1;
        else
            last = mid;
        end;
    end;
    mu(i) = mean( tx(prevind:last-1,2) );
    sd(i) = std( tx(prevind:last-1,2) );
    prevind = last;
end;

Es verwendet alle Variablen, die Sie ursprünglich hatten. Ich hoffe, dass es Ihren Bedürfnissen entspricht. Es ist schneller, da dauert es O(log N) zu finden, die Indizes mit binäre Suche, aber O(N) zu finden, der Ihnen den Weg, dass Sie es Taten.

InformationsquelleAutor Justin Peel

Disclaimer: ich arbeitete in diesem aus auf dem Papier, aber noch nicht die Gelegenheit hatte, es zu überprüfen, "in silico"...

Können Sie in der Lage sein, um zu vermeiden, Schleifen oder Verwendung von cell-arrays, indem Sie einige knifflige kumulative Summen, die Indexierung und Berechnung der Mittelwerte und Standardabweichungen selbst. Hier ist etwas code, der glaube ich, die Arbeit, obwohl ich unsicher bin, wie es stapelt sich Geschwindigkeit her zu den anderen Lösungen:

[t,sortIndex] = sort(t);  %# Sort the time points
x = x(sortIndex);         %# Sort the data values
interval = 60;            %# Interval size, in seconds

intervalIndex = floor((t-t(1))./interval)+1;  %# Collect t into intervals
nIntervals = max(intervalIndex);              %# The number of intervals
mu = zeros(nIntervals,1);                     %# Preallocate mu
sd = zeros(nIntervals,1);                     %# Preallocate sd

sumIndex = [find(diff(intervalIndex)) ...
            numel(intervalIndex)];  %# Find indices of the interval ends
n = diff([0 sumIndex]);             %# Number of samples per interval
xSum = cumsum(x);                   %# Cumulative sum of x
xSum = diff([0 xSum(sumIndex)]);    %# Sum per interval
xxSum = cumsum(x.^2);               %# Cumulative sum of x^2
xxSum = diff([0 xxSum(sumIndex)]);  %# Squared sum per interval

intervalIndex = intervalIndex(sumIndex);  %# Find index into mu and sd
mu(intervalIndex) = xSum./n;                             %# Compute mean
sd(intervalIndex) = sqrt((xxSum-xSum.*xSum./n)./(n-1));  %# Compute std dev

Den oben berechnet die Standardabweichung mit die Vereinfachung der Formel, die sich auf dieser Wikipedia-Seite.

InformationsquelleAutor gnovice