zoo::rollapply window 具有超过列值而不是行
zoo::rollapply window with over column values rather than rows
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 window.
中计算跨 dat 的函数
n_sites = function(x) {
return(sum(x > 1))
}
zoo::rollapply(dat$V2, FUN=n_sites, width=100)
但是，我不想使用行数作为 window 大小，而是想使用 index 列中的实际数值。所以我想要每个 window 以便它在索引列中包含大约 100 个单位。鉴于第 1 行和第 7 行之间大约有 100 个 index 单位，第一个 window 将包括这些行。这可能吗？
很高兴使用 zoo 或 data.table 等解决方案。
您可以使用 slider::slide_index 而不是 zoo::rollapply:
library(slider)
dat$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
rollapply 中的宽度可以是一个向量，使得第 i 个元素是用于第 i 行的宽度。对这个问题有多种解释。我们可以使用覆盖不超过 100 个索引单位的最大宽度，至少覆盖 100 个索引单位的最小宽度或最接近 100 个索引单位的宽度。这个问题似乎要求第三个，但 7 的示例宽度与此不一致，并表明可能需要第二种解释。我们在最后给出了所有三个宽度。选择你想要的任何一个。问题还说第一个 window 是 7，因此表示需要左对齐。
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只是实际功能的替代品那么我们可以使用上面的但如果它是实际功能我们可以删除它并像这样写：
transform(dat, roll = rollapplyr(V2 > 1, w, sum, fill = NA, align = "left"))
宽度
这可能有很多变化，我们计算这里提到的三个。
下面的代码使用了 base R 的 findInterval。回想一下 findInterval(x, vec)，其中 x 和 vec 是向量并且 vec 是非递减的，returns 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) 但效率更高。也就是说，如果在 vec 中找到 x[i]，那么它会在 vec 中找到等于 x[i] 的最后一个位置，如果 x[i] 不在 vec 中，那么它会在 vec 中找到最后一个小于 x[ 的位置一世]。请注意，它 returns 位置，即索引，而不是 vec 的值。比如findInterval(c(20, 30), c(10, 30, 30, 30, 40)) returns c(1, 4) 因为1是vec中小于20的最大值的位置4 是 vec 中最后一个值等于 30 的位置。
n <- nrow(dat)
index <- dat$index
# i1 is row number of last index no more than current index + 100
i1 <- findInterval(index + 100, index)
w1 <- i1 - 1:n + 1
# i2 is row number of first index at least equal to index + 100
i2 <- pmin(findInterval(index + 100 - 1, index) + 1, n)
w2 <- i2 - 1:n + 1
w2[1]
## [1] 7
# i is row number of index closest to current index + 100
i <- ifelse(index + 100 - index[i1] <= index[i2] - (index + 100), i1, i2)
w3 <- i - 1:n + 1
您也可以使用包 runner，其中参数 idx 正是您要查找的内容
dat$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
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 window.
中计算跨dat 的函数
n_sites = function(x) {
return(sum(x > 1))
}
zoo::rollapply(dat$V2, FUN=n_sites, width=100)
但是，我不想使用行数作为 window 大小，而是想使用 index 列中的实际数值。所以我想要每个 window 以便它在索引列中包含大约 100 个单位。鉴于第 1 行和第 7 行之间大约有 100 个 index 单位，第一个 window 将包括这些行。这可能吗？
很高兴使用 zoo 或 data.table 等解决方案。
您可以使用 slider::slide_index 而不是 zoo::rollapply:
library(slider)
dat$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
rollapply 中的宽度可以是一个向量，使得第 i 个元素是用于第 i 行的宽度。对这个问题有多种解释。我们可以使用覆盖不超过 100 个索引单位的最大宽度，至少覆盖 100 个索引单位的最小宽度或最接近 100 个索引单位的宽度。这个问题似乎要求第三个，但 7 的示例宽度与此不一致，并表明可能需要第二种解释。我们在最后给出了所有三个宽度。选择你想要的任何一个。问题还说第一个 window 是 7，因此表示需要左对齐。
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只是实际功能的替代品那么我们可以使用上面的但如果它是实际功能我们可以删除它并像这样写：
transform(dat, roll = rollapplyr(V2 > 1, w, sum, fill = NA, align = "left"))
宽度
这可能有很多变化，我们计算这里提到的三个。
下面的代码使用了 base R 的 findInterval。回想一下 findInterval(x, vec)，其中 x 和 vec 是向量并且 vec 是非递减的，returns 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) 但效率更高。也就是说，如果在 vec 中找到 x[i]，那么它会在 vec 中找到等于 x[i] 的最后一个位置，如果 x[i] 不在 vec 中，那么它会在 vec 中找到最后一个小于 x[ 的位置一世]。请注意，它 returns 位置，即索引，而不是 vec 的值。比如findInterval(c(20, 30), c(10, 30, 30, 30, 40)) returns c(1, 4) 因为1是vec中小于20的最大值的位置4 是 vec 中最后一个值等于 30 的位置。
n <- nrow(dat)
index <- dat$index
# i1 is row number of last index no more than current index + 100
i1 <- findInterval(index + 100, index)
w1 <- i1 - 1:n + 1
# i2 is row number of first index at least equal to index + 100
i2 <- pmin(findInterval(index + 100 - 1, index) + 1, n)
w2 <- i2 - 1:n + 1
w2[1]
## [1] 7
# i is row number of index closest to current index + 100
i <- ifelse(index + 100 - index[i1] <= index[i2] - (index + 100), i1, i2)
w3 <- i - 1:n + 1
您也可以使用包 runner，其中参数 idx 正是您要查找的内容
dat$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