Question

我有一个R函数，它接受一个排序日期（降序）的向量，它返回向量中连续日期之间的平均时间差。我试图将此R函数转换为Rcpp函数。

这是我到目前为止所做的：

minute.step

这是我目前打破Rcpp的翻译：

sorted_dates <- as.Date(c("2015-09-25", "2015-06-12",
                        "2015-06-12", "2015-03-26"))

mean_time_difference <- function(sorted_dates){
### Takes a vector of dates sorted in descending order
### Returns the mean time difference between dates.

time_differences <- integer()
for(i in 1:(length(sorted_dates) - 1)){
time_differences[i] <- as.integer( sorted_dates[i] - sorted_dates[i+1])
}

return(mean(time_differences))

}

我确信在R和Rcpp函数中都有很多可以改进的东西。谁能告诉我如何在Rcpp中最好地实现该功能？

Answer 1

这是您正在寻找的，采用简单的R方法：

> sorted_dates <- as.Date(c("2015-09-25", "2015-06-12", 
+                         "2015-06-12", "2015-03-26"))
> mean(diff(sorted_dates))
Time difference of -61 days
> mean(as.numeric(diff(sorted_dates)))
[1] -61
>

可以使用Rcpp执行这些操作，但您可能在基本R或任何附加聚合实用程序中执行这些操作 - 我喜欢data.table。

Answer 2

编辑：我刚注意到@Frank已在评论中提出这一点。我仍然认为代码很有用，所以我会把它留在这里。

只是为了补充一点，你的问题实际上比它看起来更简单，并且因为你（我假设）正在寻找一个快速处理的解决方案，它可以更好地帮助你简化问题，而不是尝试重新编码它用不同的语言。特别是因为您不需要进行任何排序，只需将日期设置为原样，然后应用以下内容。

您要求排序后的一组数字之间的平均差异，这与：

相同

as.numeric( ( max( dates ) - min( dates ) ) / ( length( dates ) - 1L ) )

这是系列的总范围，除以“间隙”的数量（等于值的数量减去1）。

我还没有测试过，但我相信上面会比其他方法快得多，特别是对于大型数据集。

Answer 3

很少注意到：

C ++索引从0开始而不是1！
使用[] not 提供边界检查（导致未定义的行为），其中() 提供访问数组的边界检查。
避免使用.push_back，因为它会复制数据，因为代理模型会导致很多心痛（更多的是减速）。
此外，您可能应该将此功能拆分为时间差异例程（see a differencing generic for armadillo），然后是平均功能。

现在，一些代码的时间：

// [[Rcpp::export]]
Rcpp::IntegerVector diff_date(Rcpp::DateVector sorted_dates){
  // Length of Time Series
  unsigned int n = sorted_dates.size();

  // Initialize result   
  Rcpp::IntegerVector time_diff(n-1);

  // Difference operator X_t - X_{t+1}
  for(unsigned int i = 0; i < (n-1); i++){
    time_diff[i] = sorted_dates[i] - sorted_dates[i+1];
  }

  // Return differenced series:
  return time_diff;
}

// [[Rcpp::export]]
double mean_diff_date(Rcpp::DateVector sorted_dates){

  // Difference time series by above routine
  Rcpp::IntegerVector time_diff = diff_date(sorted_dates);

  // Length of Time Series
  unsigned int n = time_diff.size();

  // Mean routine (could be replaced with mean() )
  double total = 0;

  for(unsigned int i = 0; i < n; i++){
     total += time_diff[i];
  }

  return total/n;
}

Answer 4

为了完整性，请遵循@DirkEddelbuettel的提示，这是使用Rcpp的解决方案：

cppFunction('double mean_time_diff(DateVector sorted_dates) {

  int n = sorted_dates.size();
  IntegerVector time_diff;

  for(int i=0; i < (n-1); i++){
    time_diff.push_back( sorted_dates[i] - sorted_dates[i+1] );
  }

  int m = time_diff.size();
  double total = 0; 

  for(int i=0; i < m; i++) {
    total += time_diff[i];
  }

  return total / m;

}')

关键是要记住C ++是零索引的。

将R转换为Rcpp：向量中连续日期之间的平均时间差

4 个答案: