R函数以滚动方式对向量/矩阵进行切片答案

【问题标题】：R Function to slice a vector/matrix in a rolling mannerR函数以滚动方式对向量/矩阵进行切片
【发布时间】：2017-10-12 08:54:23
【问题描述】：

我曾经见过这个函数，但现在不记得它的名字了。该函数执行输入向量/矩阵的滚动切片，并输出一个高一维的矩阵。下面是函数的作用：

rolling_slice <- function(v,window){
  rows = length(v)-window+1
  m <- matrix(0,rows,window)
  for(i in 1:rows){m[i,] <- v[i:(i+window-1)]}
  return(m)
}

带有向量输入的示例输出如下所示：

> v <- 1:10
> rolling_slice(v,3)
     [,1] [,2] [,3]
[1,]    1    2    3
[2,]    2    3    4
[3,]    3    4    5
[4,]    4    5    6
[5,]    5    6    7
[6,]    6    7    8
[7,]    7    8    9
[8,]    8    9   10

尝试找到它的原因是我想加快 R 中的滚动窗口操作，我希望这个函数可以通过预先索引输入数据来提供帮助。

【问题讨论】：

标签： r zoo sliding-window

【解决方案1】：

我刚刚发现了 R 基础函数 embed，现在它是我最喜欢的东西之一：

> numcol <- 3
> embed(1:10, numcol)
     [,1] [,2] [,3]
[1,]    3    2    1
[2,]    4    3    2
[3,]    5    4    3
[4,]    6    5    4
[5,]    7    6    5
[6,]    8    7    6
[7,]    9    8    7
[8,]   10    9    8

它基本上完全按照您的描述来制作数据的滚动窗口矩阵，第二个输入是窗口大小。如果顺序很重要，您可以使用以下方法反转列：

embed(1:10, numcol)[ , numcol:1]

【讨论】：

是的！这正是我正在寻找的功能。非常感谢！

【解决方案2】：

zoo:rollapply/rapply() 或 roll*() 之类的声音是您所需要的。您的实际最终应用是什么：滚动均值、中位数、加权和、过滤器、滚动标准差等等？我怀疑您的最终应用程序只是采用滑动窗口切片。生成大量不必要的临时数据结构是没有意义的，因为它会消耗内存和性能。

另外，就性能而言，这听起来像是data.table 的顺序访问将击败 dplyr/tibbles/tidyverse 的情况。你用的是什么数据结构？

【讨论】：

我需要对一堆时间序列执行一些滚动相关/回归，可能具有不同的滚动窗口。我想快速完成它们。我一直在使用 data.tables，我喜欢它。但是好像没有快速滚动的apply功能
@Bill：大概您打开了 JIT，也进行了分析，并且可能对您的情况进行了硬编码 lm，它有一些缺陷。如果您告诉我们什么是输入向量/矩阵大小 N、列数 C 和窗口大小 W，这会有所帮助。我真诚地怀疑您是否想要存储 N 个完整模型，只存储它们的系数。
@Bill：其他用户正在使用 rollapply 和 data.table，如果您发现性能不佳，请发布实际数字并标记/标题 data.frame。此外，如果您要生成大量模型，请将它们存储为 biglm 而不是 lm Is there a way to 'compress' an lm() class for later prediction?

【解决方案3】：

您可以在基础 R 中进行矢量化处理：

window <- 3
m <- diag(length(v)-window+1)
(row(m)+col(m)-1)[,1:window]

    # [,1] [,2] [,3]
# [1,]    1    2    3
# [2,]    2    3    4
# [3,]    3    4    5
# [4,]    4    5    6
# [5,]    5    6    7
# [6,]    6    7    8
# [7,]    7    8    9
# [8,]    8    9   10

【讨论】：