Moyenne d'une fenêtre coulissante en R

J'ai un vecteur de valeurs que je voudrais signaler la moyenne dans les fenêtres le long d'une petite diapositive.

Par exemple, pour un vecteur des valeurs suivantes:

4, 5, 7, 3, 9, 8

Une taille de fenêtre de 3 et une diapositive de 2 feraient ce qui suit:

(4+5+7)/3 = 5.33
(7+3+9)/3 = 6.33
(9+8)/3 = 5.67

Et retournez un vecteur de ces valeurs:

5.33, 6.33, 5.67

Y a-t-il une fonction simple qui fera cela pour moi? S'il renvoyait également les indices de la fenêtre, ce serait un bonus supplémentaire. Dans cet exemple, ce serait 1,3,5

La fonction rollapplydu package zoo vous rapproche:

> require(zoo)
> TS <- zoo(c(4, 5, 7, 3, 9, 8))
> rollapply(TS, width = 3, by = 2, FUN = mean, align = "left")
       1        3 
5.333333 6.333333

Il ne calculera tout simplement pas la dernière valeur pour vous car il ne contient pas 3 observations. Peut-être que ce sera suffisant pour votre vrai problème? Notez également que l'objet renvoyé a les indices que vous souhaitez en tant que du namesvecteur renvoyé.

Votre exemple fait l'hypothèse qu'il y a un 0 non observé dans la dernière fenêtre. Il peut être plus utile ou réaliste de remplir avec un NApour représenter les informations manquantes et de dire meande gérer les valeurs manquantes. Dans ce cas, nous aurons (8 + 9) / 2 comme valeur fenêtrée finale.

> TS <- zoo(c(4, 5, 7, 3, 9, 8, NA))
> rollapply(TS, width = 3, by = 2, FUN = mean, na.rm = TRUE, align = "left")
       1        3        5 
5.333333 6.333333 8.500000

Rollapply fonctionne très bien avec un petit ensemble de données. Cependant, si vous travaillez avec plusieurs millions de lignes (génomique), c'est assez lent.

La fonction suivante est super rapide.

data <- c(runif(100000, min=0, max=.1),runif(100000, min=.05, max=.1),runif(10000, min=.05, max=1), runif(100000, min=0, max=.2))

slideFunct <- function(data, window, step){
  total <- length(data)
  spots <- seq(from=1, to=(total-window), by=step)
  result <- vector(length = length(spots))
  for(i in 1:length(spots)){
    result[i] <- mean(data[spots[i]:(spots[i]+window)])
  }
  return(result)
}

http://coleoguy.blogspot.com/2014/04/sliding-window-analysis.html

Cette simple ligne de code fait la chose:

((c(x,0,0) + c(0,x,0) + c(0,0,x))/3)[3:(length(x)-1)]

si xest le vecteur en question.

library(zoo)
x=c(4, 5, 7, 3, 9, 8)
rollmean(x,3)

ou

library(TTR)
x=c(4, 5, 7, 3, 9, 8)
SMA(x,3)

réponse de shabbychef dans R:

slideMean<-function(x,windowsize=3,slide=2){
 idx1<-seq(1,length(x),by=slide);
 idx1+windowsize->idx2;
 idx2[idx2>(length(x)+1)]<-length(x)+1;
 c(0,cumsum(x))->cx;
 return((cx[idx2]-cx[idx1])/windowsize);
}

EDIT: Les indices que vous recherchez sont juste idx1... cette fonction peut être facilement modifiée pour les renvoyer également, mais il est presque aussi rapide de les recréer avec un autre appel à seq(1,length(x),by=slide).

Je peux le faire facilement dans Matlab et canard pendant que vous me downvote:

%given vector x, windowsize, slide 
idx1 = 1:slide:numel(x);
idx2 = min(numel(x) + 1,idx1 + windowsize);  %sic on +1 here and no -1;
cx = [0;cumsum(x(:))];  %pad out a zero, perform a cumulative sum;
rv = (cx(idx2) - cx(idx1)) / windowsize; %tada! the answer!

comme effet secondaire, idx1est l'indice de l'élément dans la somme. Je suis sûr que cela peut être facilement traduit en R. L'idiome first:skip:lastdans Matlab donne le tableau en premier, premier + saut, premier + 2 saut, ..., premier + n saut, où le dernier élément du tableau n'est pas supérieur àlast .

edit : j'avais omis la partie moyenne (diviser par windowsize).

Cela vous donnera les moyennes de la fenêtre et l'index de la première valeur de la fenêtre:

#The data
x <- c(4, 5, 7, 3, 9, 8)

#Set window size and slide
win.size <- 3
slide <- 2

#Set up the table of results
results <- data.frame(index = numeric(), win.mean = numeric())

#i indexes the first value of the window (the sill?)
i <- 1
#j indexes the row of the results to be added next
j <- 1
while(i < length(x)) {
    #This mean preserves the denominator of 3
    win.mean <- sum(x[i:(i+2)], na.rm = TRUE)/win.size
    #Insert the results
    results[j, ] <- c(i, win.mean)
    #Increment the indices for the next pass
    i <- i + slide
    j <- j + 1
    }

Diverses mises en garde s'appliquent: je n'ai pas testé cela par rapport à vos données d'échantillon; Je crois que l'ajout à des trames de données comme celle-ci peut devenir très lent si vous avez beaucoup de valeurs (car cela copiera le data.frame à chaque fois); etc. Mais cela produit ce que vous avez demandé.