Question

给定一个有序向量vec <- c(1, 4, 6, 3, 2, 7)，我想为i的每个元素vec计算前一个元素的加权平均值，其中权重是距元素的距离的倒数i。

该功能应如下进行。

对于第一个元素1，应返回NA（没有前一个元素）。
对于第二个元素4，应返回1。
对于第三个元素6，应返回weighted.mean(x = c(1,4), w = c(1,2))。
对于第四个元素3，应返回weighted.mean(x = c(1,4,6), w = c(1,2,3))

生成的向量result应该是length(result) == length(vec)，c(NA, 1, 3, 4.5, 3.9, 3.266667)。

更新：我明确表示不使用循环

result <- numeric()

for (i in 1:length(vec)) {
  if (i == 1) {
    result <-
      c(result, NA)
  } else {
    previous_elements <- vec[1:(i-1)]
    result <-
      c(result, 
        weighted.mean(x = previous_elements, w = 1:length(previous_elements)))
  }
}

Answer 1

这是一个天真的实施。创建一个完成你所说的功能;唯一聪明的＆＃39;事情是使用函数seq_len()而不是1：i来生成索引

fun = function(i, vec)
    weighted.mean(head(vec, i - 1), w=seq_len(i - 1))

然后在sapply中使用它

sapply(seq_along(vec), fun, vec)

这已经足够了 - NaN是第一个元素，而不是NA，但事实之后很容易纠正（或者在概念上被接受为正确的答案）。它也比你的解决方案更好，但仍然使用循环＆＃39; - 结果向量的管理由sapply()完成，而不是在您必须自己管理的循环中完成。特别是你的复制和追加＆＃39;方法在性能方面非常差，每次通过循环复制现有结果。最好预先分配适当长度result = numeric(length(vec))的结果向量，然后填充result[[i]] = ...，最好让sapply()为你做正确的事！

问题在于，天真的实现以二次方式进行缩放 - 您沿着vec传递以处理每个元素，然后为每个元素进行第二次传递以计算加权平均值，因此存在{{ 1}}计算。所以......

查看n (n - 1) / 2

weighted.mean

并使用> stats:::weighted.mean.default function (x, w, ..., na.rm = FALSE) { ## SNIP -- edited for brevity w <- as.double(w) if (na.rm) { i <- !is.na(x) w <- w[i] x <- x[i] } sum((x * w)[w != 0])/sum(w) }代替cumsum()来获取累积权重，而不是单个权重，即，只要sum()返回一个向量，其中第i个元素是加权意味着到那时为止

你想要一些不同的东西

cumweighted.mean <- function(x, w) {
    ## handle NA values?
    w <- as.numeric(w)  # to avoid integer overflow
    cumsum(x * w)[w != 0] / cumsum(w)
}

这使得单次通过数据，因此线性扩展（至少在理论上）。

R：计算有序向量的先前元素

1 个答案: