假设我们有一个向量c(3,6,1,5,8,2,4)
,对于每个值,我想得到前两个值和后三个值的子向量的平均值(因此平均值的N
将是2+1+3=6(。
3 --> NA NA 3 6 1 2 --> NA
6 --> NA 3 6 1 5 8 --> NA
1 --> 3 6 1 5 8 2 --> 4.166667
5 --> 6 1 5 8 2 4 --> 4.333333
8 --> 1 5 8 2 4 NA --> NA
2 --> 5 8 2 4 NA NA --> NA
4 --> ... NA --> NA
所以我感兴趣的输出是CCD_ 3。(也许对于极值,还有其他选项,如较小的均值3 --> 3 6 1 2 --> 3
或通过NA输入零…?(
假设现在我有一个数据帧,其中一列作为输入向量data.frame(x = c(3,6,1,5,8,2,4))
,现在我想构建另一列作为输出向量,所以输出数据帧是data.frame(x = c(3,6,1,5,8,2,4), y = c(NA, NA, 4.17, 4.33, NA, NA))
。
有没有函数可以做到这一点,可能是用碱基R、tidyverse
、data.table
或其他函数?
更一般地说,我可以尝试不仅通过行,而且通过指定的列集求平均值吗?因此,如果我想要给定行、2行、3行(6行(和5列的平均值,N
将是6*5=30?
作为一个例子,如果我想要mtcars
的前2行和后3行变量drat
和wt
的平均值:
> mtcars
mpg cyl disp hp drat wt qsec vs am gear carb
Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1
Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1
Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2
Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1
Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4
Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2
Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2
Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4
Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4
Merc 450SE 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3
Merc 450SL 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3
Merc 450SLC 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3
Cadillac Fleetwood 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4
Lincoln Continental 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4
Chrysler Imperial 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4
Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1
Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2
Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1
Toyota Corona 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1
Dodge Challenger 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2
AMC Javelin 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2
Camaro Z28 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4
Pontiac Firebird 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2
Fiat X1-9 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1
Porsche 914-2 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2
Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2
Ford Pantera L 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4
Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6
Maserati Bora 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8
Volvo 142E 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2
车厢Lotus Europa
的输出(末尾的第4行(将是4.08、4.43、3.77、4.22、3.62、3.54、1.935、2.14、1.513、3.17、2.77和3.57的平均值。
更新:感谢那些揭露我的人,我正在寻找一个"滚动均值"。
像这样使用rollmean
。rollmean
,甚至更重要的是rollapply
,都有许多参数来自定义结果。
library(zoo)
DF <- data.frame(x = c(3,6,1,5,8,2,4)) # test data
transform(DF, mean = rollmean(x, 5, fill = NA))
## x mean
## 1 3 NA
## 2 6 NA
## 3 1 4.6 <-- mean(DF$x[1:5])
## 4 5 4.4 <-- mean(DF$x[2:6])
## 5 8 4.0 <-- mean(DF$x[3:7])
## 6 2 NA
## 7 4 NA
这里有一种变体,如果窗口中以当前点为中心的元素少于5个,则将取可用元素的平均值,而不是给出NA
transform(DF, mean = rollapply(x, 5, mean, partial = TRUE))
## x mean
## 1 3 3.333333 <-- mean(DF$x[1:3])
## 2 6 3.750000 <-- mean(DF$x[1:4])
## 3 1 4.600000 <-- mean(DF$x[1:5])
## 4 5 4.400000 <-- mean(DF$x[2:6])
## 5 8 4.000000 <-- mean(DF$x[3:7])
## 6 2 4.750000 <-- mean(DF$x[4:7])
## 7 4 4.666667 <-- mean(DF$x[5:7])
为了获得从wt和drat的2之前到3之后的所有事物的平均值,我们可以使用平均值的平均值是总平均值的事实。将list用于rollapply的width参数告诉它将向量视为位置偏移。
transform(mtcars, mean = rollapply((drat + wt)/2, list(seq(-2, 3)), mean, fill = NA))