r-zoo::rollapply窗口，该窗口具有超过列的值而不是行

Question

dat = structure(list(index = c(10505L, 10506L, 10511L, 10539L, 10542L, 
10579L, 10642L, 11008L, 11012L, 13011L, 13110L, 13116L, 13118L, 
13156L, 13259L, 13273L, 13313L, 13365L, 13380L, 13382L, 13445L, 
13453L, 13482L, 13483L, 13494L, 13543L, 13550L, 14462L, 14464L, 
14564L, 14599L, 14604L, 14674L, 14719L, 14728L, 14775L, 14860L, 
14874L, 14930L, 14933L, 14975L, 15031L, 15089L, 15117L, 15179L, 
15211L, 15241L, 15245L, 15255L, 15260L, 15418L, 15585L, 15627L, 
15644L, 15774L, 15776L, 15777L, 15790L, 15791L, 15833L, 15849L, 
15850L, 15886L, 16042L, 16127L, 16140L, 16141L, 16142L, 16365L, 
16485L, 16489L, 16515L, 16542L, 16738L, 16834L, 16949L, 17272L, 
17462L, 17569L, 17571L, 17641L, 17654L, 17694L, 17695L, 17709L, 
17748L, 17836L, 17922L, 18643L, 20113L, 20131L, 28914L, 29318L, 
30524L, 30741L, 30912L, 30923L, 30998L, 46650L, 46698L), V2 = c(3L, 
3L, 3L, 2L, 2L, 2L, 2L, 1L, 0L, 3L, 2L, 2L, 2L, 0L, 1L, 1L, 0L, 
0L, 0L, 0L, 1L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 1L, 0L, 
0L, 0L, 1L, 2L, 2L, 2L, 2L, 1L, 0L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 
2L, 1L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 1L, 1L, 0L, 0L, 
0L, 0L, 0L, 2L, 3L, 5L, 3L, 0L, 0L, 3L, 1L, 0L, 3L, 0L, 0L, 2L, 
1L, 0L, 0L, 0L, 0L, 1L, 1L, 1L, 2L, 1L, 0L, 0L, 1L, 0L, 0L, 0L, 
1L, 1L, 1L)), row.names = c(NA, -100L), class = "data.frame")

假设我想在滚动窗口中计算dat上的一个函数。

n_sites = function(x) {
return(sum(x > 1))
}

zoo::rollapply(dat$V2, FUN=n_sites, width=100)

但是，我不想使用行数作为窗口大小，而是希望使用index列中的实际数值。所以我希望每个窗口在索引列中包含大约100个单元。假设在第1行和第7行之间大约有100个index单元，则第一窗口将包括这些行。这可能吗？

对使用zoo或data.table等的解决方案感到高兴。

Answer 1

您也可以使用包runner，其中参数idx正是您要查找的

dat$n_sites <- runner::runner(x = dat$V2,
idx = dat$index,
k = 100,
f = n_sites)
head(dat, 10)
index V2 n_sites
1  10505  3       1
2  10506  3       2
3  10511  3       3
4  10539  2       4
5  10542  2       5
6  10579  2       6
7  10642  2       2
8  11008  1       0
9  11012  0       0
10 13011  3       1

Answer 2

rollapply中的宽度可以是一个向量，这样第i个元素就是用于第i行的宽度。对这个问题有多种解释。我们可以使用不超过100个索引单位的最大宽度，至少100个索引单元的最小宽度，或最接近100个索引的宽度。这个问题似乎要求第三种解释，但示例宽度7与此不一致，这表明可能需要第二种解释。我们在末尾给出所有三个宽度。选择你想要的。还有一个问题是，第一个窗口是7，这表明需要左对齐。

library(zoo)
w <- w2 # see calcs of w1, w2 and w3 at end.  Use whichever you want.
transform(dat, roll = rollapplyr(V2, w, n_sites, fill = NA, align = "left"))

如果n_sites只是实际函数的替身，那么我们可以使用上面的函数，但如果它是实际函数，我们可以消除它，并这样写：

transform(dat, roll = rollapplyr(V2 > 1, w, sum, fill = NA, align = "left"))

宽度

这方面有很多变化是可能的，我们计算这里提到的三种。

下面的代码使用基R的findInterval。回想一下，findInterval(x，vec(，其中x和vec是向量，vec是非递减的，返回一个与x长度相同的向量，使得结果的第i个分量是sum(x[i]>=vec(但执行效率更高。也就是说，如果在vec中找到x[i]，则它找到vec中等于x[i]的最后一个位置，如果x[i]不在vec，则它发现vec中小于x[i]。请注意，它返回位置，即索引，而不是vec的值。例如，findInterval(c(20，30(，c(10，30，30，40((返回c(1，4(，因为1是小于20的vec中最大值的位置，4是等于30的vec的最后一个值的位置。

n <- nrow(dat)
index <- dat$index
# i1 is row number of last index no more than current index + 100
i1 <- findInterval(index + 100, index)
w1 <- i1 - 1:n + 1
# i2 is row number of first index at least equal to index + 100
i2 <- pmin(findInterval(index + 100 - 1, index) + 1, n)
w2 <- i2 - 1:n + 1
w2[1]
## [1] 7
# i is row number of index closest to current index + 100
i <- ifelse(index + 100 - index[i1] <= index[i2] - (index + 100), i1, i2)
w3 <- i - 1:n + 1

Answer 3

您可以使用slider::slide_index而不是zoo::rollapply:

library(slider)
dat$n_sites <- slider::slide_index(.x = dat$V2,
.i = dat$index,
.f = n_sites,
.before = 100)
head(dat,10)
index V2 n_sites
1  10505  3       1
2  10506  3       2
3  10511  3       3
4  10539  2       4
5  10542  2       5
6  10579  2       6
7  10642  2       3
8  11008  1       0
9  11012  0       0
10 13011  3       1