处理不同长度的序列答案

【问题标题】：working with sequences of different length处理不同长度的序列
【发布时间】：2010-12-24 02:05:24
【问题描述】：

我编写的一个函数从 XML 文档中提取时间戳。时间戳与事件耦合，事件是系列元素的重复元素。

系列元素具有可变数量的事件，因此我的函数返回一个 data.frame（如果系列具有相同的长度）。一般来说，它会返回一个更通用的列表，我希望它也可以与矩阵一起使用。有人指出（感谢 Eduardo）'list' 是泛型类型，但我仍然无法使用适用于泛型列表但不适用于更具体类型（如 data.frame 或矩阵）的函数。

我现在需要对数据做的是查看时间戳之间最常见的距离是多少（我希望它出现的频率（多于）超过 50%），我已经编写并重写了一个执行此操作的函数：

R> mostCommonStep( list(a=cumsum(c(1,3,3,2,3,3,4,3,2,3,3)), b=cumsum(c(2,3,2,3))) )
[1] 3
R> mostCommonStep( data.frame(a=c(2,4,6,8,12,14,18), b=c(12,14,16,18,22,24,28)) )
[1] 2
R> mostCommonStep( matrix(c(2,4,6,8,12,14,18, 12,14,16,18,22,24,28), 7, 2) )
[1] 2

但我希望看到更符合“R”的版本

【问题讨论】：

标签： r

【解决方案1】：

数据框是列表。假设时间戳之间的距离在 list/data.frame y 中的向量“x”中。你可以通过sort(-table(y[["x"]]))[1] 获取模式。

【讨论】：

我的数据只包含时间戳。也就是说：所有列都包含时间戳，我想检查所有列。

【解决方案2】：

解决此问题的最佳方法可能是使用不规则的时间序列对象（请参阅the time series view on CRAN）。您有几个不错的选择（例如 timeSeries、its、fts、xts），但其中最受欢迎的是 the zoo package。您可以像这样创建时间序列：

library(zoo)
x.Date <- as.Date("2003-02-01") + c(1, 3, 7, 9, 14) - 1
x <- zoo(rnorm(5), x.Date)

然后，要查看每个事件之间的时间差异，您可以使用 diff 函数创建一个difftime 对象：

> diff(index(x))
Time differences in days
[1] 2 4 2 5

您可以像分析任何其他变量一样分析这些时间差，例如：

> summary(diff(index(x)))
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
   2.00    2.00    3.00    3.25    4.25    5.00

同样，要找到最常见的时差，您可以使用任何其他标准方法，例如table()：

> table(diff(index(x)))
2 4 5 
2 1 1

【讨论】：

恐怕我的问题是我（还）对“任何其他情况”和“其他标准方法[es]”没有信心。

【解决方案3】：

我想我会解决这个问题（如果最常见的步骤确实比 50% 的情况更频繁地发生，则可以使用）。

mostCommonStep <- function(L) {
  ## returns the value of the most common difference between
  ## subsequent elements.

  ## takes into account only forward steps, all negative steps are
  ## discarded.  works with list, data.frame, matrix.
  L <- diff(unlist(sapply(as.list(L), as.numeric)))
  as.numeric(quantile(L[L>0], 0.5))
}

【讨论】：