计算向量中每 n 个值的平均值
Posted
技术标签:
【中文标题】计算向量中每 n 个值的平均值【英文标题】:calculating mean for every n values from a vector 【发布时间】:2017-09-23 22:53:42 【问题描述】:假设我有一个向量
a <- rnorm(6000)
我想计算第 1 个值到第 60 个值的平均值,然后再次计算第 61 个值到第 120 个值的平均值,以此类推。所以基本上我想计算每 60 个值的平均值,给我 100 个来自该向量的平均值。我知道我可以做一个 for 循环,但我想知道是否有更好的方法来做到这一点?
【问题讨论】:
你可能会很高兴看看apply()函数 apply 函数主要适用于数据帧/矩阵。我在这里问一个向量。 【参考方案1】:我会用
colMeans(matrix(a, 60))
.colMeans(a, 60, length(a) / 60) # more efficient (without reshaping to matrix)
用户adunaic的请求增强
这仅适用于有 60x100 个数据点的情况。如果最后你有一个不完整的 60,那么这个错误。为其他正在寻找这个问题的人提供一个通用的解决方案会很好。
BinMean <- function (vec, every, na.rm = FALSE)
n <- length(vec)
x <- .colMeans(vec, every, n %/% every, na.rm)
r <- n %% every
if (r) x <- c(x, mean.default(vec[(n - r + 1):n], na.rm = na.rm))
x
a <- 1:103
BinMean(a, every = 10)
# [1] 5.5 15.5 25.5 35.5 45.5 55.5 65.5 75.5 85.5 95.5 102.0
分组操作的替代解决方案(效率较低)
BinMean2 <- function (vec, every, na.rm = FALSE)
grp <- as.integer(ceiling(seq_along(vec) / every))
grp <- structure(grp, class = "factor",
levels = as.character(seq_len(grp[length(grp)])) )
lst <- .Internal(split(vec, grp))
unlist(lapply(lst, mean.default, na.rm = na.rm), use.names = FALSE)
速度
library(microbenchmark)
a <- runif(1e+4)
microbenchmark(BinMean(a, 100), BinMean2(a, 100))
#Unit: microseconds
# expr min lq mean median uq max
# BinMean(a, 100) 40.400 42.1095 54.21286 48.3915 57.6555 205.702
# BinMean2(a, 100) 1216.823 1335.7920 1758.90267 1434.9090 1563.1535 21467.542
【讨论】:
【参考方案2】:我推荐sapply
:
a <- rnorm(6000)
seq <- seq(1, length(a), 60)
a_mean <- sapply(seq, function(i) mean(a[i:(i+59)]))
【讨论】:
【参考方案3】:另一种选择是通过创建分组变量来使用tapply
。
可以通过两种方式创建分组变量:
1) 使用rep
tapply(a, rep(seq_along(a), each = n, length.out = length(a)), mean)
2) 使用gl
tapply(a, gl(length(a)/n, n), mean)
如果我们将向量转换为 dataframe/tibble,我们可以使用相同的逻辑并计算 mean
aggregate(a~gl(length(a)/n, n), data.frame(a), mean)
或与dplyr
library(dplyr)
tibble::tibble(a) %>%
group_by(group = gl(length(a)/n, n)) %>%
summarise(mean_val = mean(a))
数据
set.seed(1234)
a <- rnorm(6000)
n <- 60
【讨论】:
以上是关于计算向量中每 n 个值的平均值的主要内容,如果未能解决你的问题,请参考以下文章