rollapply相关内容
嗨,我有一个面板数据集。我想对每家公司进行滚动窗口回归,并提取独立变量的系数。y是因变量,x是独立变量。滚动窗口是12。也就是说, 第一回归使用行1到行12的数据, 第二次回归使用第2行到第13行数据,依此类推。 使用了RollApply。 下面是一个与我遇到的错误完全相同的问题: Rolling by group in data.table R 这个问题幸运的是,它只需要一个专栏,而我的问题需
..
我正在寻找 R 中滚动/滑动窗口函数方面的一些性能提升.这是一项非常常见的任务,可用于任何有序的观察数据集.我想分享一些我的发现,也许有人可以提供反馈以使其更快. 重要的一点是,我关注的是 align="right" 和自适应滚动窗口的情况,所以 width 是一个向量(与我们的观察向量长度相同).如果我们将 width 作为标量,那么在 zoo 和 TTR 包中已经有了非常完善的功能,这些功能
..
这是我之前发布的问题的后续问题(请参阅 汇总具有多个变化条件的行 R data.table 了解更多详细信息).我想计算这 3 名受试者在过去 5 年中经历了多少次事件.所以一直在使用 zoo 包中的 rollapply 对滚动窗口求和.这假设 5 年前的经验与 1 年前的经验一样重要(相同的权重),所以现在我想为输入总和的经验包括一个时间衰减.这基本上意味着 5 年前的经验不会以与 1 年前的经
..
我想计算“sp"列中所有变量的滚动平均值.这是我的数据示例: the_date sp 获胜01-06--2012 1 30502-06--2012 1 27603-06--2012 1 18404-06--2012 1 24805-06--2012 1 24306-06--2012 1 36307-06--2012 1 27201-06--2012 2 43202-06--2012 2 3690
..
我想做一些事情,我认为使用 rollapply 应该很容易实现,但我遇到了一些麻烦. 对于简单的向量,我们有 >a 这是应该的.但是对于更高的维度会出现问题 >b 乙[,1] [,2] [,3][1,] 1 3 5[2,] 2 4 6>rollapply(b, 2, 平均值)[,1] [,2] [,3][1,] 1.5 3.5 5.5 如
..
我需要对包含大约 7,000 行和 11,000 列的 xts 数据运行滚动窗口函数.我做了以下事情: require(PerformanceAnalytics)ssd60 我等了 12 个小时,但计算没有完成.但是,当我尝试使用小数据集时,如下所示: sample 计算在 60 秒内完成.我在配备 Intel i5-2450M CPU、Windows 7 操作系统和 12 GB RAM
..
我有 5 个自变量(附加数据中的 B-F 列)和一些因变量(附加数据中的 G-M 列),我需要针对所有独立变量对每个因变量进行多元回归.回归必须有 4 年的数据窗口,并且必须为每个新估计提前一个月.我需要提取系数并对每个系数进行 vasicek 调整(截距除外).这种调整只是: 测试版的调整 数据看起来像 整个数据是: Data.xls 自变量放在 B-F 列中,因变
..
我有一个data.table如下- dt = data.table(date = seq(as.Date("2015-12-01"),as.Date("2015-12-10"),by ="days"),v1 = c(seq(1,9),20),v2 = c(5,rep(NA,9)))dt日期v1 v21:2015-12-01 1 52:2015-12-02 2不适用3:2015-12-03 3不
..
我有一个data.table如下- 库(data.table)dt = data.table(date = seq(as.Date("2015-12-01"),as.Date("2015-12-10"),by ="days"),v1 = seq(1,10),v2 = c(5,rep(NA,9)))dt日期v1 v21:2015-12-01 1 52:2015-12-02 2不适用3:2015-1
..
我想计算向量上的滚动平均值,由此窗口随向量中的每个条目而增长.基本上,我希望所有元素的均值一直到第 i 个, i + 1 -个, i + 2 -个等等. 为了更加清楚,我将提供一个示例和一个解决方案,该示例和解决方案适用于较小的数据集,但无法很好地扩展: 库(zoo)# 数据:x <-1:100# 解决方案:Rolling_average
..
我有一个data.table,它需要针对指定的分组(ID1,ID2)在前n天的数据(为简单起见,我们使用n = 2,而不是包括当天)来计算移动平均值.移动平均值应尝试包括每个ID1-ID2对的值的最后2天.我想计算移动平均线以两种方式处理NA: 1.仅在有2个非NA观测值时进行计算,否则平均值应为NA(例如,ID1-ID2内的前2天将始终具有NA). 2.根据最近2天内的所有非NA观测值(na.r
..
我想使用rollapply或rollapplyr将modwt函数应用于我的时间序列数据. 我熟悉rollapply/r的工作原理,但是我需要一些帮助来设置输出,以便在使用rollapply时可以正确存储结果. waveslim软件包中的modwt函数采用一个时间序列并将其分解为J层,对于我的特定问题J = 4,这意味着我将从单个时间序列中获得4组系数,并存储在5个列表中.这个清单我只关
..
我有3个时间序列,可以将小波变换应用于滚动窗口.滚动窗口采用单个长度为200的时间序列,并对前30个样本对其应用waveslim::modwt函数.这将输出5个我只感兴趣的列表(d1,d2,d3,d4),每个列表的长度为30.可以在此处找到一个简单的示例: library(waveslim) J
..
好,所以我希望在R中创建滚动的滞后差异. vec length(vec) [1
..
我正在尝试在时间范围内按组计算滚动计数/发生总数. 我有一个带有一些示例数据的数据框,如下所示: dates = as.Date(c("2011-10-09", "2011-10-15", "2011-10-16", "2011-10-18", "2011-10-21", "2011-10-22",
..
我的数据集包含两个变量 y和t [05s] .每隔05秒测量一次y. 我正在尝试计算移动的 20秒窗口内的平均斜率,即在计算出第一个20秒的斜率值后,窗口向前移动一个时间单位(05秒)并计算接下来的20秒窗口,以 05秒的增量产生连续的20秒斜率值. 我认为,使用rollapply(zoo包)计算滚动回归可以达到目的,但是我一次又一次地获得每个窗口相同的截距和斜率值.我该怎么办?
..
我正在尝试计算移动窗口的一些统计信息,并在Zoo软件包中使用rollapply.我的问题是我如何滚动应用该函数以将其应用到先前的n个观测值,而不是当前的观测值和先前的n-1个观测值,就像右对齐一样. require(zoo) z
..
我对R还是很陌生,并且已经完成了一些教程.我想做的是找到一种基于某些条件将数据连接到自身的好方法. 在这种情况下,我要选择的是任意长度的滞后并创建滚动窗口.例如,如果滞后= 1且窗口宽度= 2,我想汇总每个月前1个月的2个月(如果存在). 如果我从这样的数据表开始: mytable = data.table(Month = c(6, 5, 4, 6, 5), Year = c(2
..
我已经使用 beta
..
我使用bwa mem算法将读物映射到我的程序集,并使用samtools depth提取了每个碱基的读数(= coverage).生成的文件如下: 1091900001 1 236 1091900001 2 245 1091900001 3 265 1091900001 4 283 1091900001 5 288 1091900002 1 297 1091
..