计算滞后时间序列数据

huangapple
go评论110阅读模式
英文:

Compute lagged time series data

问题

以下是翻译好的部分：

让我们假设我有这些数据

  1. > data <- dplyr::tibble(v = c(1:10))
  2. > data
  3. # A tibble: 10 × 1
  4.        v
  5.    <int>
  6.  1     1
  7.  2     2
  8.  3     3
  9.  4     4
  10.  5     5
  11.  6     6
  12.  7     7
  13.  8     8
  14.  9     9
  15. 10    10

我现在想创建一个形状为 11x5x1 的数组。特别地，行应该具有以下模式：

  1. NA NA NA NA NA
  2. NA NA NA NA 1
  3. NA NA NA 1  2
  4. NA NA 1  2  3
  5. NA 1  2  3  4
  6. 1  2  3  4  5
  7. ....

有任何想法如何做到这一点吗？
谢谢！

编辑：

在使用二维时间序列时如何扩展这个方法？

英文:

Let's say I have this data

  1. &gt; data &lt;- dplyr::tibble(v = c(1:10))
  2. &gt; data
  3. # A tibble: 10 &#215; 1
  4.        v
  5.    &lt;int&gt;
  6.  1     1
  7.  2     2
  8.  3     3
  9.  4     4
  10.  5     5
  11.  6     6
  12.  7     7
  13.  8     8
  14.  9     9
  15. 10    10

I now want to create an array with the shape 11x5x1. Particularly, the rows should have the following pattern:

  1. NA NA NA NA NA
  2. NA NA NA NA 1
  3. NA NA NA 1  2
  4. NA NA 1  2  3
  5. NA 1  2  3  4
  6. 1  2  3  4  5
  7. ....

and so on. Any ideas how to do so?
Thanks!

EDIT:

How to extend this when using a 2d timeseries?

答案1

得分: 1

1) 在前面放置5个NA，然后使用 embed。然后使用5:1反转每一行。不使用任何包。

  1. embed(c(rep(NA, 5), data$v), 5)[, 5:1]

得到的结果如下：

  1.       [,1] [,2] [,3] [,4] [,5]
  2.  [1,]   NA   NA   NA   NA   NA
  3.  [2,]   NA   NA   NA   NA    1
  4.  [3,]   NA   NA   NA    1    2
  5.  [4,]   NA   NA    1    2    3
  6.  [5,]   NA    1    2    3    4
  7.  [6,]    1    2    3    4    5
  8.  [7,]    2    3    4    5    6
  9.  [8,]    3    4    5    6    7
  10.  [9,]    4    5    6    7    8
  11. [10,]    5    6    7    8    9
  12. [11,]    6    7    8    9   10

2) rollapply 另一种方法是使用 rollapplyr。

  1. library(zoo)
  2. rollapplyr(c(rep(NA, 5), data$v), 5, c)
英文:

1) Place 5 NA's in front and then use embed. Then reverse each row using 5:1. No packages are used.

  1. embed(c(rep(NA, 5), data$v), 5)[, 5:1]

giving

  1.       [,1] [,2] [,3] [,4] [,5]
  2.  [1,]   NA   NA   NA   NA   NA
  3.  [2,]   NA   NA   NA   NA    1
  4.  [3,]   NA   NA   NA    1    2
  5.  [4,]   NA   NA    1    2    3
  6.  [5,]   NA    1    2    3    4
  7.  [6,]    1    2    3    4    5
  8.  [7,]    2    3    4    5    6
  9.  [8,]    3    4    5    6    7
  10.  [9,]    4    5    6    7    8
  11. [10,]    5    6    7    8    9
  12. [11,]    6    7    8    9   10

2) rollapply An alternative is to use rollapplyr.

  1. library(zoo)
  2. rollapplyr(c(rep(NA, 5), data$v), 5, c)

答案2

得分: 0

使用 sapply：

  1. nr = 11 # 输出中的行数
  2. nc = 5  # 输出中的列数
  3. v = 1:10 # 初始向量
  5. sapply(nc:1, function(x) c(rep(NA, x), v)[1:nr])
  7. #       [,1] [,2] [,3] [,4] [,5]
  8. #  [1,]   NA   NA   NA   NA   NA
  9. #  [2,]   NA   NA   NA   NA    1
  10. #  [3,]   NA   NA   NA    1    2
  11. #  [4,]   NA   NA    1    2    3
  12. #  [5,]   NA    1    2    3    4
  13. #  [6,]    1    2    3    4    5
  14. #  [7,]    2    3    4    5    6
  15. #  [8,]    3    4    5    6    7
  16. #  [9,]    4    5    6    7    8
  17. # [10,]    5    6    7    8    9
  18. # [11,]    6    7    8    9   10

使用 data.table::shift：

  1. library(data.table)
  2. do.call(cbind, shift(1:11, 1:6, type = 'lag'))[, 5:1]
  4. #       [,1] [,2] [,3] [,4] [,5]
  5. #  [1,]   NA   NA   NA   NA   NA
  6. #  [2,]   NA   NA   NA   NA    1
  7. #  [3,]   NA   NA   NA    1    2
  8. #  [4,]   NA   NA    1    2    3
  9. #  [5,]   NA    1    2    3    4
  10. #  [6,]    1    2    3    4    5
  11. #  [7,]    2    3    4    5    6
  12. #  [8,]    3    4    5    6    7
  13. #  [9,]    4    5    6    7    8
  14. # [10,]    5    6    7    8    9
  15. # [11,]    6    7    8    9   10
英文:

With sapply:

  1. nr = 11 #Number of rows in output
  2. nc = 5 #Number of cols in output
  3. v = 1:10 #Initial vector
  5. sapply(nc:1, function(x) c(rep(NA, x), v)[1:nr])
  7. #       [,1] [,2] [,3] [,4] [,5]
  8. #  [1,]   NA   NA   NA   NA   NA
  9. #  [2,]   NA   NA   NA   NA    1
  10. #  [3,]   NA   NA   NA    1    2
  11. #  [4,]   NA   NA    1    2    3
  12. #  [5,]   NA    1    2    3    4
  13. #  [6,]    1    2    3    4    5
  14. #  [7,]    2    3    4    5    6
  15. #  [8,]    3    4    5    6    7
  16. #  [9,]    4    5    6    7    8
  17. # [10,]    5    6    7    8    9
  18. # [11,]    6    7    8    9   10

With data.table::shift:

  1. library(data.table)
  2. do.call(cbind, shift(1:11, 1:6, type = &#39;lag&#39;))[, 5:1]
  4. #       [,1] [,2] [,3] [,4] [,5]
  5. #  [1,]   NA   NA   NA   NA   NA
  6. #  [2,]   NA   NA   NA   NA    1
  7. #  [3,]   NA   NA   NA    1    2
  8. #  [4,]   NA   NA    1    2    3
  9. #  [5,]   NA    1    2    3    4
  10. #  [6,]    1    2    3    4    5
  11. #  [7,]    2    3    4    5    6
  12. #  [8,]    3    4    5    6    7
  13. #  [9,]    4    5    6    7    8
  14. # [10,]    5    6    7    8    9
  15. # [11,]    6    7    8    9   10

huangapple
  • 本文由 发表于 2023年6月1日 17:32:43
  • 转载请务必保留本文链接：https://go.coder-hub.com/76380498.html
  • r
匿名

发表评论

匿名网友

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen:

确定