Calcul de la moyenne mobile

Question

J'essaie d'utiliser R pour calculer la moyenne mobile sur une série de valeurs dans une matrice. La recherche normale sur la liste de diffusion de R n'a pas été très utile. Il ne semble pas y avoir de fonction intégrée dans R me permettra de calculer des moyennes mobiles. Y a-t-il des paquets qui en fournissent ? Ou dois-je écrire le mien ?

Answer 1

Ou vous pouvez simplement le calculer en utilisant un filtre, voici la fonction que j'utilise :

ma <- function(x, n = 5){filter(x, rep(1 / n, n), sides = 2)}

Si vous utilisez dplyr veillez à spécifier stats::filter dans la fonction ci-dessus.

Answer 2

• Moyennes/maximales/médianes mobiles dans le cadre de la zoo paquet (rollmean)
• Moyennes mobiles en TTR
• ma en prévision

Answer 3

Utilisation de cumsum devrait être suffisant et efficace. En supposant que vous ayez un vecteur x et vous voulez une somme courante de n numéros

cx <- c(0,cumsum(x))
rsum <- (cx[(n+1):length(cx)] - cx[1:(length(cx) - n)]) / n

Comme indiqué dans les commentaires de @mzuther, cela suppose qu'il n'y a pas de valeurs NA dans les données. Pour les traiter, il faudrait diviser chaque fenêtre par le nombre de valeurs non-NA. Voici une façon de le faire, en intégrant le commentaire de @Ricardo Cruz :

cx <- c(0, cumsum(ifelse(is.na(x), 0, x)))
cn <- c(0, cumsum(ifelse(is.na(x), 0, 1)))
rx <- cx[(n+1):length(cx)] - cx[1:(length(cx) - n)]
rn <- cn[(n+1):length(cx)] - cn[1:(length(cx) - n)]
rsum <- rx / rn

Cela pose toujours le problème suivant : si toutes les valeurs de la fenêtre sont des NA, il y aura une erreur de division par zéro.

Answer 4

Sur data.table 1.12.0 nouveau frollmean La fonction a été ajoutée pour calculer la moyenne glissante rapide et exacte avec précaution. NA , NaN et +Inf , -Inf valeurs.

Comme il n'y a pas d'exemple reproductible dans la question, il n'y a pas grand chose de plus à aborder ici.

Vous pouvez trouver plus d'informations sur ?frollmean dans le manuel, également disponible en ligne à l'adresse ?frollmean .

Exemples du manuel ci-dessous :

library(data.table)
d = as.data.table(list(1:6/2, 3:8/4))

# rollmean of single vector and single window
frollmean(d[, V1], 3)

# multiple columns at once
frollmean(d, 3)

# multiple windows at once
frollmean(d[, .(V1)], c(3, 4))

# multiple columns and multiple windows at once
frollmean(d, c(3, 4))

## three above are embarrassingly parallel using openmp

Answer 5

Le site caTools Le paquet a une moyenne mobile/min/max/sd très rapide et quelques autres fonctions. Je n'ai travaillé qu'avec runmean et runsd et ils sont les plus rapides de tous les autres paquets mentionnés à ce jour.