使用apply替换for循环以提高性能（使用weighted.mean）

Question

我是R新手，所以希望这对你们中的一些人来说是一个可以解决的问题。 我有一个包含超过一百万个数据点的数据帧。我的目标是计算一个带有改变起点的加权平均值。

为了说明这个框架（data.frame（matrix（c（1,2,3,2,2,1），3,2）））

  X1 X2
1  1  2
2  2  2
3  3  1

其中X1是数据，X2是采样权重。

我想从起点1到3，从2：3和3：3计算X1的加权平均值。

通过循环，我只写了：

B <- rep(NA,3) #empty result vector
for(i in 1:3){
  B[i] <- weighted.mean(x=A$X1[i:3],w=A$X2[i:3]) #shifting the starting point of the data and weights further to the end
} 

使用我的真实数据，这是不可能计算的，因为对于每次迭代，data.frame都会被更改，并且计算需要数小时而没有结果。

有没有办法用apply命令实现变量起点，以便性能提高？

的问候， 鲁

Answer 1

在@joran的答案基础上建立正确的结果：

with(A, rev(cumsum(rev(X1*X2)) / cumsum(rev(X2))))
# [1] 1.800000 2.333333 3.000000

另请注意，这比<{1}} / sapply方法 快。

Answer 2

您可以使用lapply来创建子集，并使用sapply来覆盖这些子集，但我会打赌会有更快的方式。

sapply(lapply(1:3,":",3),function(x) with(dat[x,],weighted.mean(X1,X2)))
[1] 1.800000 2.333333 3.000000