0
,我有以下数据:优化rollapplyr自定义函数
y <- data.table(cbind(week = rep(1:61,5352),
ID = rep(1:5352, each = 61), w = runif(326472), v = runif(326472)))
y$v[sample(1:326472, 10000, replace=FALSE)] <- NA
为此我运行的代码波纹管创建变量v,忽略离群和NAS的滚动平均值。代码正在工作,但性能不佳。 我确定有更高效的方法来使用应用程序或类似的东西来运行它,但我在创建更快的版本方面没有成功。任何人都可以阐明如何使其更有效率?
IDs <- unique(y$ID)
y$vol_m12 <- 0
for (i in 1:length(IDs)) {
x <- y[ID==IDs[i]]
outlier <- 0.2
w_outlier <- quantile(x$w, c(outlier), na.rm = T)
v_outlier <-quantile(x$v, c(1 - outlier), na.rm = T)
# Ignore outliers
x$v_temp <- x$v
x$v_temp[((x$v_temp >= v_outlier)
& (x$w <= w_outlier))] <- NA
# Creating rolling mean
y$vol_m12[y$ID==IDs[i]] <- x[, rollapplyr(v_temp, 12, (mean), fill = NA, na.rm=T)]
}
[这可能是有帮助的(https://stackoverflow.com/questions/34754786/how-to-create-a-matrix-by-averaging-the-elements-of-another-matrix-in -r/34755233#34755233) – user5249203
请参阅:http://stackoverflow.com/questions/29851637/efficiently-perform-row-wise-distribution-test。看起来很可能该Rcpp代码的次要mod可能会成功。 –