Question

我是R的新手，我试图在整数组中找到几个月（3,6,9）的滚动标准偏差。例如，对于一年的数据和三组，我想找到（1月，2月，3月），（2月，3月，4月）每个组1,2,3的标准偏差，（3月，4月，（））等等。

在我的数据框df中，我有列NUM：用于查找标准差的值，列NO：定义组的整数和列日期：具有每日日期。我还创建了列Yr_Mo，这是一个对应于日期年份和月份的整数。因此，例如，2017年的所有1月份日期在Yr_Mo列中的值为1701

一个月后，我使用了聚合： new＆lt; - aggregate（NUM~Yr_Mo + NO，df，sd）

这是非常基本的。然而，对于3个月以上的人来说，这似乎更复杂。因为不是所有的月份都是相同的长度而且几个月都缺少日期，所以我无法对某些时间间隔进行硬编码。我已经看过很多关于类似问题的帖子，但这些问题似乎总体上要求找到滚动的std devs或者分组，但不是两者。我在考虑使用rollapply这样的动物园功能，但是再次看不出如何考虑我的问题的两个部分。

提前感谢您提供的任何帮助或指向我可能从中学习的文档！

NO date       Yr_Mo  NUM
1  2017-01-01 1701   3.4
1  2017-01-02 1701   5
1  2017-01-12 1701   4.2
1  2017-01-13 1701   1
1  2017-01-20 1701   6
1  2017-02-03 1702   3.9
1  2017-02-08 1702   5.5
1  2017-02-15 1702   8
1  2017-02-22 1702   1.1
1  2017-02-26 1702   4
1  2017-03-02 1703   1
1  2017-03-07 1703   7.5
1  2017-03-11 1703   2
1  2017-03-20 1703   3.1
1  2017-03-28 1703   2
1  2017-04-01 1704   2
1  2017-04-05 1704   3.5
1  2017-04-12 1704   1
1  2017-04-19 1704   4.1
1  2017-04-23 1704   5
1  2017-05-02 1705   1
1  2017-05-03 1705   4.5
1  2017-05-04 1705   2
1  2017-05-10 1705   6.1
1  2017-05-20 1705   7
2  2017-01-01 1701   3
2  2017-01-02 1701   53
2  2017-01-11 1701   2
2  2017-01-15 1701   4.1
2  2017-01-22 1701   1
2  2017-02-01 1702   8.9
2  2017-02-08 1702   1.5
2  2017-02-15 1702   3
2  2017-02-27 1702   7.2
2  2017-02-28 1702   4
2  2017-03-02 1703   1
2  2017-03-07 1703   5.2
2  2017-03-11 1703   2
2  2017-03-21 1703   1
2  2017-03-28 1703   2
2  2017-04-01 1704   2.4
2  2017-04-05 1704   3.5
2  2017-04-11 1704   1
2  2017-04-19 1704   4.1
2  2017-04-23 1704   3
2  2017-05-02 1705   1.2
2  2017-05-03 1705   4.5
2  2017-05-04 1705   2
2  2017-05-10 1705   6.1
2  2017-05-21 1705   9

Answer 1

使用方差的定义（参见sample variance）以及OP在问题中提到的内容（即aggregate和rollapply），我们可以如下计算滚动3个月标准差。内联更多评论。

winsize <- 3

#calculate sum of squares of NUM by month and group
sumxsq <- aggregate(NUM ~ Yr_Mo + NO, df, function(x) sum(x^2))
names(sumxsq) <- c("Yr_Mo", "NO", "SUM_X_SQ")

#calculate sum of NUM by month and group
sumx <- aggregate(NUM ~ Yr_Mo + NO, df, sum)
names(sumx) <- c("Yr_Mo", "NO", "SUM_X")

#count number of observations by month and group
nobs <- aggregate(NUM ~ Yr_Mo + NO, df, length)
names(nobs) <- c("Yr_Mo", "NO", "N")

#merge all stats together
mySD <- merge(merge(sumxsq, sumx, by=c("NO","Yr_Mo")), nobs, by=c("NO","Yr_Mo"))

#calculate rolling sample variance using zoo::rollapplyr by group, then take sqrt for sd
mySD$STD_DEV <- sqrt(unlist(by(mySD, mySD$NO, function(submySD) {
    zoo::rollapplyr(submySD, 
        width=winsize, 
        FUN=function(x) (sum(x[,"SUM_X_SQ"]) - sum(x[,"SUM_X"])^2 / sum(x[,"N"])) / (sum(x[,"N"]) - 1), 
        by.column=FALSE,
        fill=NA)
})))
mySD

解决方案假设每个组每个月至少有1个数据点。如果有帮助，请告诉我。

数据：

df <- read.csv(text="NO,date,Yr_Mo,NUM
1,2017-01-01,1701,3.4
1,2017-01-02,1701,5
1,2017-01-12,1701,4.2
1,2017-01-13,1701,1
1,2017-01-20,1701,6
1,2017-02-03,1702,3.9
1,2017-02-08,1702,5.5
1,2017-02-15,1702,8
1,2017-02-22,1702,1.1
1,2017-02-26,1702,4
1,2017-03-02,1703,1
1,2017-03-07,1703,7.5
1,2017-03-11,1703,2
1,2017-03-20,1703,3.1
1,2017-03-28,1703,2
1,2017-04-01,1704,2
1,2017-04-05,1704,3.5
1,2017-04-12,1704,1
1,2017-04-19,1704,4.1
1,2017-04-23,1704,5
1,2017-05-02,1705,1
1,2017-05-03,1705,4.5
1,2017-05-04,1705,2
1,2017-05-10,1705,6.1
1,2017-05-20,1705,7
2,2017-01-01,1701,3
2,2017-01-02,1701,53
2,2017-01-11,1701,2
2,2017-01-15,1701,4.1
2,2017-01-22,1701,1
2,2017-02-01,1702,8.9
2,2017-02-08,1702,1.5
2,2017-02-15,1702,3
2,2017-02-27,1702,7.2
2,2017-02-28,1702,4
2,2017-03-02,1703,1
2,2017-03-07,1703,5.2
2,2017-03-11,1703,2
2,2017-03-21,1703,1
2,2017-03-28,1703,2
2,2017-04-01,1704,2.4
2,2017-04-05,1704,3.5
2,2017-04-11,1704,1
2,2017-04-19,1704,4.1
2,2017-04-23,1704,3
2,2017-05-02,1705,1.2
2,2017-05-03,1705,4.5
2,2017-05-04,1705,2
2,2017-05-10,1705,6.1
2,2017-05-21,1705,9", header=TRUE)

Answer 2

您可以创建一个分割数据的函数，使用Yr_Mo列创建子集的上下边界，然后只获取子集范围的sd()值。其中df是您在上面提供的数据集，首先重新排列数据集（不需要，但更容易检查输出是否正确）

抱歉，完全错过了您想要保留NO分组。这应该可以解决问题（df这里是您上面提供的示例数据）：

此函数迭代每个唯一的Yr_Mo值，以生成范围的上限和下限（在本例中为x - 1：x + 1）。然后，它会根据这些边界对提供的数据框进行子集，并计算sd的{{1}}。如果子集无效（时间范围可用的时间少于三个月），则输出为NUM。

NA

然后，使用roll_sd <- function(df_, lead = 1, lag = -1) { id_sd <- do.call(rbind, lapply(unique(df_$Yr_Mo), function(x) { start = x + lag end = x + lead group = df_[df_$Yr_Mo >= start & df_$Yr_Mo <= end,] group_sd = sd(group$NUM) group_sd = ifelse(length(unique(group$Yr_Mo)) < 3, NA, sd(group$NUM)) out = data.frame(central_value = x, group_sd) }) ) }将此功能应用于group_by的每个分组：

NO

library(dplyr) df2 <- df %>% group_by(NO) %>% do(roll_sd(data.frame(.))) > as.data.frame(df2) NO central_value group_sd 1 1 1701 NA 2 1 1702 2.248449 3 1 1703 2.209460 4 1 1704 2.179406 5 1 1705 NA 6 2 1701 NA 7 2 1702 13.046809 8 2 1703 2.311833 9 2 1704 2.270305 10 2 1705 NA列是＆＃34;中间＆＃34;滑动窗口的月份值。

如何使用R

2 个答案: