Question

这可能是非常基本的，但是，我正在尝试为变量Returns_Close_exp创建一列标准差。这个变量实际上是一个数值向量。所以我想要的不是整个矢量的标准偏差，而是两个元素之间的标准差。

这是我创建矢量的方式及其外观：

 Returns_Close_exp<-diff(log(Data_new$Close_exp), lag=1)
 Returns_Close_exp<-append(Returns_Close_exp,"",0)
 Returns_Close_exp<-as.numeric(Returns_Close_exp)

向量头：

dput(head(Returns_Close_exp))
c(NA, 0, 0.00121876921624686, -0.00121876921624686, -0.00122025634730871, 
-0.00981602975444584)

我试图得到标准偏差的是：

vol_close_exp<-sapply(Returns_Close_exp,sd)

但是我得到了NA的专栏。有谁知道哪里出了问题以及如何纠正？谢谢

Answer 1

您可以通过以下两种方法进行操作：在索引向量上使用sapply()（本质上是作为循环），或使用某种滚动功能，例如使用RcppRoll::roll_sd：

vec <- c(NA, 0, 0.00121876921624686, -0.00121876921624686, -0.00122025634730871,
         -0.00981602975444584)
# Solution with base R
sapply(1:(length(vec)-1), function(i) sd(c(vec[i], vec[i+1])))
#> [1]          NA 8.61800e-04 1.72360e-03 1.05156e-06 6.07813e-03
# Solution with RcppRoll (recommended when performance is key)
RcppRoll::roll_sd(vec, 2)
#> [1]          NA 8.61800e-04 1.72360e-03 1.05156e-06 6.07813e-03

^{由reprex package（v0.2.1）于2018-10-25创建}

您最初要做的是将函数sd()应用于向量中的每个数字，单个数字的sd()始终为NA。

更新：基准

当性能很关键时，我建议使用RcppRoll。让我们看看RcppRoll解决方案的速度有多快：

vec <- c(NA, 0, 0.00121876921624686, -0.00121876921624686, -0.00122025634730871,
         -0.00981602975444584)
# Benchmarks:
library(microbenchmark)
microbenchmark(base = sapply(1:(length(vec)-1), function(i) sd(c(vec[i], vec[i+1]))),
               rcpproll = RcppRoll::roll_sd(vec, 2))
#> Unit: microseconds
#>      expr      min       lq      mean   median        uq       max neval
#>      base 1042.251 1083.269 1264.2698 1133.120 1287.4990 10036.937   100
#>  rcpproll  124.930  133.654  161.4393  145.947  168.3785   286.695   100
#>  cld
#>    b
#>   a
# Let's benchmark with bigger data:
set.seed(123)
vec <- rnorm(1e4)
microbenchmark(base = sapply(1:(length(vec)-1), function(i) sd(c(vec[i], vec[i+1]))),
               rcpproll = RcppRoll::roll_sd(vec, 2))
#> Unit: milliseconds
#>      expr        min          lq       mean      median          uq
#>      base 1966.86067 2063.439484 2141.24892 2134.337090 2198.671640
#>  rcpproll    3.55177    3.701657    4.01187    3.786363    3.904616
#>         max neval cld
#>  2525.95089   100   b
#>    20.71965   100  a
all.equal(sapply(1:(length(vec)-1), function(i) sd(c(vec[i], vec[i+1]))),
          RcppRoll::roll_sd(vec, 2))
#> [1] TRUE

^{由reprex package（v0.2.1）于2018-10-25创建}

R-适用于标准差，返回一列NAs

1 个答案:

更新：基准