Question

我有一个包含多个列的data.frame，其中一些列包含NA。我想在每一列上运行Farnsworth建议的以下功能：

hpfilter = function(x,lambda=1600){
   eye <- diag(length(x))
   result <- solve(eye+lambda*crossprod(diff(eye,lag=1,d=2)),x)
   return(result)
 }

我是这样做的：

test <- as.data.frame(sapply(vectorOfColumnNames,function(X) hpfilter(mydf[,X])))

只要没有列包含NA，

就可以正常工作。如果我向函数添加na.omit，它将继续与相同数量的NA一起使用。

但是我如何真正独立处理每一列并最终得到一个data.frame（包含输入有NA的NA）？

编辑：我想知道在运行一个函数而不是apply时，是否有一个通用的解决方案来解决使用不同长度的向量的问题。也许类似于data.table索引的可能性。

Answer 1

我不清楚你想要什么，但我会试一试。

让我们创建一些示例数据。请注意，我使用的是matrix，而不是data.frame。现在不需要显式迭代列名，大大简化了代码。

m = matrix(runif(100), 10, 10)
apply(m, 2, hpfilter)

并介绍一些NA值：

m[sample(1:10, 2), sample(1:10, 2)] <- NA
apply(m, 2, hpfilter)

对hpfilter函数进行调整会产生结果，我相信您正在寻找：

hpfilter = function(x,lambda=1600, na.omit = TRUE) {
   if(na.omit) {
      na_values = is.na(x)
      if(any(na_values)) x = x[-which(na_values)]
   }
   eye <- diag(length(x))
   result <- solve(eye+lambda*crossprod(diff(eye,lag=1,d=2)),x)
   for(idx in which(na_values)) result = append(result, NA, idx - 1) # reinsert NA values
   return(result)
 }

基本上，NA被从数据集中撕掉了。然后，高通滤波器基于NA周围的值，例如，NA。下一个或前一个小时。后来NA被重新引入。您需要仔细考虑这是否是您想要处理NA的方式。如果有大量的连续> m [,1] [,2] [,3] [,4] [,5] [,6] [1,] 0.3492249 0.13243768 NA 0.302102537 0.4229100 0.5922950 [2,] 0.2933371 0.20001802 0.03145775 0.429109073 0.9597172 0.9490127 [3,] 0.7040072 0.49672438 0.22093906 0.323518480 0.4842678 0.4081306 [4,] 0.9072993 0.86930200 0.52859786 0.122859661 0.1841663 0.5389729 [5,] 0.3236061 0.38602856 0.46249498 0.866068888 0.6981199 0.9766099 [6,] 0.4878379 0.31511419 NA 0.807535084 0.6563737 0.0419552 [7,] 0.3244131 0.34287848 0.31360175 0.821228400 0.5989790 0.6631735 [8,] 0.3758025 0.39728965 0.64960319 0.283663049 0.9054992 0.8160815 [9,] 0.4485784 0.06440579 0.67518605 0.815575767 0.1479089 0.6391120 [10,] 0.9061172 0.16812244 0.86293095 0.005075972 0.6736308 0.7574890 [,7] [,8] [,9] [,10] [1,] NA 0.02125704 0.7029417 0.490146887 [2,] 0.353827474 0.40482437 0.2102700 0.351850122 [3,] 0.778491744 0.32676623 0.6709055 0.953126856 [4,] 0.825446342 0.24411303 0.4939415 0.026877439 [5,] 0.264156057 0.30620799 0.0474103 0.505411467 [6,] NA 0.63995093 0.6155766 0.736349958 [7,] 0.048948805 0.96751061 0.9697167 0.005304793 [8,] 0.733419331 0.85554984 0.7438209 0.581133546 [9,] 0.823691194 0.74550281 0.0635690 0.903188495 [10,] 0.009001798 0.74201923 0.3516963 0.904093070 > apply(m, 2, hpfilter) [,1] [,2] [,3] [,4] [,5] [,6] [,7] [1,] 0.4337716 0.4101083 NA 0.4239194 0.5762643 0.6178718 NA [2,] 0.4512989 0.3950404 0.1219334 0.4367185 0.5756097 0.6219962 0.5909609 [3,] 0.4687735 0.3797990 0.2209373 0.4494414 0.5748593 0.6261047 0.5593590 [4,] 0.4860436 0.3640885 0.3198847 0.4620073 0.5741572 0.6303856 0.5276089 [5,] 0.5031048 0.3476868 0.4187190 0.4742566 0.5735911 0.6348910 0.4956993 [6,] 0.5202157 0.3306871 NA 0.4858177 0.5730049 0.6396161 NA [7,] 0.5375230 0.3132068 0.5175141 0.4965640 0.5723201 0.6447694 0.4638051 [8,] 0.5551529 0.2953536 0.6163712 0.5065697 0.5715107 0.6501860 0.4319566 [9,] 0.5730986 0.2772537 0.7152643 0.5161124 0.5705671 0.6557125 0.3999246 [10,] 0.5912411 0.2590969 0.8141878 0.5253298 0.5696884 0.6612990 0.3676684 [,8] [,9] [,10] [1,] 0.1423571 0.5362741 0.3871990 [2,] 0.2276829 0.5253623 0.4217619 [3,] 0.3129329 0.5145546 0.4563892 [4,] 0.3981423 0.5037583 0.4911015 [5,] 0.4833547 0.4929783 0.5262298 [6,] 0.5685175 0.4822135 0.5618152 [7,] 0.6534674 0.4711843 0.5978857 [8,] 0.7380857 0.4596942 0.6345782 [9,] 0.8224501 0.4478587 0.6716594 [10,] 0.9067115 0.4359704 0.7088627，则开始将高通滤波器应用于相距很远的时间序列。

输出：

{{1}}

处理由na.omit引起的不同向量长度？

1 个答案: