Question

我有一组数据格式为：

ID    Minutes Value
xxxx  118     3 
xxxx  121     4 
xxxx  122     3 
yyyy  122     6 
xxxx  123     4 
yyyy  123     8 
...   ...     ....

每个ID都是患者，每个值都是，例如，该分钟的血压。我想在每个点之前60分钟和每个点之后60分钟创建一个滚动平均值。但是 - 如您所见，缺少分钟（因此我不能仅使用行号）并且我想为每个唯一ID创建平均值（因此ID xxxx的平均值不能包括分配给ID yyyy的值）。听起来像rollapply或者rollingstat可能是一种选择，但是试图把它拼凑在一起却没什么成功......

如果需要进一步说明，请告诉我。

Answer 1

您可以轻松填写缺失的分钟数（值将设置为NA），然后使用rollapply

library(data.table)
library(zoo)

## Convert to data.table
DT <- data.table(DF, key=c("IDs", "Minutes"))

## Missing Minutes will be added in. Value will be set to NA. 
DT <- DT[CJ(unique(IDs), seq(min(Minutes), max(Minutes)))]

## Run your function
DT[, rollapply(value, 60, mean, na.rm=TRUE), by=IDs]

或者，您不需要保留“填充”分钟/ NA值：

您可以一次性完成所有操作：

## Convert your DF to a data.able
DT <- data.table(DF, key=c("IDs", "Minutes"))

## Compute rolling means, with on-the-fly padded minutes
DT[ CJ(unique(IDs), seq(min(Minutes), max(Minutes))) ][, 
  rollapply(value, 60, mean, na.rm=TRUE), by=IDs]

Answer 2

使用tidyr/dplyr代替data.table和RcppRoll代替zoo的替代方法：

library(dplyr)
library(tidyr)
library(RcppRoll)

d %>% 
  group_by(ID) %>%
  # add rows for unosberved minutes
  complete(Minutes = full_seq(Minutes, 1)) %>%
  # RcppRoll::roll_mean() is written in C++ for speed 
  mutate(moving_mean = roll_mean(Value, 131, fill = NA, na.rm = TRUE)) %>%
  # keep only the rows that were originally observed
  filter(!is.na(Value))

数据

d <- data_frame( ID = rep(1:3, each = 5), Minutes = rep(c(1, 30, 60, 120, 200), 3), Value = rpois(15, lambda = 10) )

不规则时间序列的条件滚动均值（移动平均值）

2 个答案:

或者，您不需要保留“填充”分钟/ NA值：