Question

因此，我有一些应该是每天的时间序列数据，但通常会遇到长度不等的中断。例如，在理想情况下，数据看起来像这样（及时转发）：

1、1、3、2、4、1、1、5、6、5、6-（1）

但是反而像这样出来：

NA，NA，5，2，4，NA，2，NA，NA，NA，22 ---（2）

我将从这些数据中采样以进行蒙特卡洛模拟，但是如果我只是忽略了NA或将标准差设置为0，则NA字符串后接大量数字显然会歪曲数据的均值。

我要做的是根据NA的长度将数据均匀分布在整个NA字符串中。

例如在（2）中，一个均匀分布的版本看起来像这样：

1.67，1.67，1.67，2，4，1，1，5.5，5.5，5.5，5.5

或更明确地说：

5 / 3、5 / 3、5 / 3、2、4、2 / 2、2 / 2、22 / 4、22 / 4、22 / 4、22 / 4

因此，NA的最终值实际上是（NA字符串后的值）/（+ 1中存在的NA连续天数的长度）

以前，我使用了一个for循环，该循环每天都在时间序列中运行，然后当遇到NA时，不断计数直到达到非NA值，然后取该非NA值并将其除以按counter + 1，然后用另一个for循环将该值替换为先前的NA，这显然很慢。

此外，数据存在于按2个分组ID分组的数据帧中，其中包含两个分组ID的每个唯一组合的时间序列，因此，在此之前，我先将其子集设置为一次获得一个时间序列。如果没有此步骤代码可以更快地运行，那么我可以删除它。

R中的代码如下所示：

newtest是主要数据帧，而eventest是输出。 X，Y，Z是要均匀分布的值变量。我也将傍晚的时间限制为4天，但不要介意它是否一直持续到一整天。我知道将行绑定到不断增长的数据帧是很糟糕的做法，并且我正在尝试将插入方法插入到与newtest大小相同但充满了NA的starteventest中。但是，我认为主要的瓶颈实际上是for循环，这就是为什么我问是否有更好的方法可以做到这一点。

事件<-newtest [0，]

计数<-0

for（i in unique（newtest $ group_id1））{

newtest0 <-子集（newtest，group_id1 == i）

for（j in unique（newtest0 $ Color））{

count <- count + 1

if(count%%200 == 0){print(count)}

newtest1 <- subset(newtest0, group_id2 == j)

counter <- 0

for (n in 1:nrow(newtest1)){

  if(is.na(newtest1$Level_Delta[n])){

    counter <- counter + 1

    ErrorReport <- rbind(ErrorReport, c(i, j, "Missing Intermediate Date", as.character(newtest1$Date[n])))

  } else if (counter >= 1 & counter <= 4){

    finalx <- newtest1$X[n]

    finaly <- newtest1$Y[n]

    finalz <- newtest1$Z[n]

    for(m in 0:counter){

      newtest1$X[n-m] <- finalx/(counter+1)

      newtest1$Y[n-m] <- finaly/(counter+1)

      newtest1$Z[n-m] <- finalz/(counter+1)

    }

    counter <- 0

  } else {counter <- 0}

}

eventest <- rbind(eventest, newtest1)}}

此代码进行的试用版新测试大约需要2个小时才能完成。但是，最后一天的新测试将大50倍左右，这就是为什么我遇到运行时问题。它可以工作，但是花费的时间太长。

newtest也驻留在SQL Server数据库上（已使用odbc读入R），因此，如果可以通过某种方式在SQL Server上使用查询也可以做到这一点，那就太好了。

任何帮助将不胜感激。谢谢！

使用连续的NA散布时间序列数据

0 个答案: