For-loop 错误和 R 中的最小 2.5% 和最大 97.5% 百分位数答案

【问题标题】：For-loop error and min 2.5% and max 97.5% percentile in RFor-loop 错误和 R 中的最小 2.5% 和最大 97.5% 百分位数
【发布时间】：2012-08-14 13:02:39
【问题描述】：

我有一个包含 41 行和 21 列的数据集。在 DF 中，每一行代表一天中 15 分钟间隔（从上午 10 点到晚上 8 点）的能量数据。每列代表一个月内的选定日期。

我需要使用以下公式计算每列中两行的负载可变性（标准偏差/平均值）。

即在第 1 和第 2 之间； 1、2、3；第 1-4 名；第 1-5 名；等每列的元素。

我不断在“lv”中获得 NA 值，不知道为什么。最终结果，lv 应该有一个 41x21 的数据框，与 df 相同，但具有负载可变性。

此外，除了负载可变性之外，我如何在循环中获得 2.5 和 97.5 个百分位数？

x <- df[1:41,1:21]

#calculate load variability 
count = 0
i=1{
for (i in 1:41){
     count = count+1  
     mean = sum (x[1:l,])/count
     diff = ((x-mean)^2)
     lv= sqrt((diff/(count+1)-1)/mean)
         i = i+1
  }
}
lv

lv 以空值 (NA) 结束。

【问题讨论】：

首先，您在内部重新分配x，这意味着，在您的循环范围内，您将丢失原始数据。
您是要计算每一行的 sd/mean，还是真的要计算循环中前 i 行的所有数据？
我正在尝试对每一行进行 sd/mean。
第一：df 是什么？下一步：您将 x 从 41 x 63 数组减少到 1 x 63 数组，因此下一次通过循环时，您将超过 x 的当前尺寸。您忽略了发布错误消息。
问题仍然不清楚，即使在编辑之后。您参考 beweeen 列的负载可变性。但是，您的公式只是 sd/mean 是对一组数据的度量。您还说您希望结果具有与原始数据相同的维度。那么，您希望第一行中的第一个条目是什么？单个数据点的标准差/平均值，即 0?

标签： r for-loop percentile

【解决方案1】：

如果您想计算每一行的 sd/mean，请尝试：

apply(x, 1, sd)/rowMeans(x)

如果您想要每行的 2.5% 和 97.5% 置信水平，请尝试：

apply(x, 1, quantile, c(.025, 0.975))

【讨论】：

忍者！但是快点：翻转它，使其成为标准/均值 :-)
剪切和粘贴太快了！
谢谢，但是你如何在 for 循环中计算呢？
重点是使用apply 来避免使用循环。但是如果你必须:-)，只需修改你的代码：删除 x<-x[1:i.... 行并将计算替换为 mean = sum(x[i,])/count 。另请注意，不建议对变量使用“mean”和“diff”，因为它们是基本 R 包中的函数。
正如 Carl 指出的那样，apply 避免了循环的需要：它只为每一行提供结果。考虑矢量化！

【解决方案2】：

好的，经过几次尝试（以及来自this question的一些帮助），我终于有了：

cumul_loading <- function(x, leave.nan=FALSE){
  ind_na <- !is.na(x)
  nn <- cumsum(ind_na)
  x[!ind_na] <- 0

  cumul_mean <- cumsum(x) / nn
  cumul_sd <- sqrt(cumsum(x^2) / (nn-1) - (cumsum(x))^2/(nn-1)/nn)

  if(leave.nan) return(cumul_sd / cumul_mean) else 
    return((cumul_sd / cumul_mean)[-1])
}

它应该有一些错误（例如如何处理 NA），但它现在应该可以与 apply 函数一起使用。 leave.nan 参数可以选择保留 n_len - 1 = 0 时产生的 NaN

apply(x, 2, cumul_loading)

【讨论】：