Question

我有一些测量数据随时间采样并希望对其进行整合，test dataset包含~100000个样本（~100s，1000Hz）的数据。

我的第一个方法是（table包含时间戳（0..100s）和每个数据点的值（两个double s））

# test dataset available (gzipped, 720k) here: http://tux4u.de/so.rtab.gz
table <- read.table("/tmp/so.rtab", header=TRUE)
time <- table$t
data <- table$val
start <- min(time)
stop <- max(time)
sampling_rate <- 1000
divs <- (max(time) - min(time)) * sampling_rate
data_fun <- approxfun(time, data, method="linear", 0, 0)
result <- integrate(data_fun, start, stop, subdivisions=divs)

但不知何故，集成会永远运行（就像一个无限循环并完全占用一个CPU）。所以我查看了这些值：

> start
[1] 0
> stop
[1] 98.99908
> divs
[1] 98999.08

奇怪的是，当我评估时

> integrate(data_fun, 0, 98, subdivisions=100000)$value + integrate(data_fun, 98, 99)$value
[1] 2.640055

它起作用（计算时间<3s）但是下面的评估（应该是相同的）

> integrate(data_fun, 0, 99, subdivisions=100000)$value

永远不会终止。甚至这一个（实际上是上面工作的那个的整体）也不会终止：

> integrate(data_fun, 0, 89, subdivisions=100000)$value

当它起作用时，它似乎有点随机，当它不起作用时。我做错了什么或者我能以某种方式改进过程吗？

谢谢！

（提示：采样点不一定均匀分布）

Answer 1

Ekhem，你知道你可以总结一下吗？ cumsum会快速执行此操作：

cumsum(table$val)*diff(table$t)[1]

对于不平等的差异，您可以使用：

cumsum(table$val[-nrow(table)]*diff(table$t))

不需要更复杂的数字，因为在这种情况下的数据是非常密集的采样;尽管如此，总会有比通过插补器更好的方法。

在R中集成采样数据

1 个答案: