R中的贴现累积和
Posted
技术标签:
【中文标题】R中的贴现累积和【英文标题】:Discounted Cumulative Sum in R 【发布时间】:2020-08-31 06:04:03 【问题描述】:我正在尝试计算折扣累积总和,其中后面的值更有价值。
假设我有以下数据集:
dt <- data.table( "year" = c(79,80,81,82,83), "value" = c(5,2,6,8,9))
> dt
year value
1: 79 5
2: 80 2
3: 81 6
4: 82 8
5: 83 9
我想要以下输出:
> dt2
year value DCS
1: 79 5 5.0000
2: 80 2 6.5000
3: 81 6 11.8500
4: 82 8 18.6650
5: 83 9 25.7985
贴现累积总和 (DCS) 是通过以 10% 的年贴现率贴现之前的值计算的。因此,对于第一行第二行,DCS 值由 2 + 5*(0.9)^1 给出。对于第三行,DCS 为 6 + (0.9)^1*2 + (0.9)^2*5,以此类推。
形式上,折现和公式由下式给出:
最后,如果可能,最好使用 data.table 解决方案。
【问题讨论】:
我很抱歉,我用 85% 的折扣系数重新计算了它。已编辑。 【参考方案1】:不是一个正确的答案,而只是其他答案的时间安排。希望这将有助于确定选择哪个选项:
加载库
library(data.table)
library(Rcpp)
创建数据集
set.seed(0L)
dt <- data.table(value = rpois(1e4, 100))
创建必要的函数
app_3 <- function(dt)
m <- matrix(0, nrow = nrow(dt), ncol = nrow(dt))
v <- 0.9**(seq(nrow(dt)) - 1)
m[lower.tri(m, diag = TRUE)] <- unlist(sapply(rev(seq_along(v)), function(k) head(v, k)))
dt[, DCS3 := m %*% value]
system.time(
cppFunction("
NumericVector dcs(NumericVector x, double disc)
int n = x.size();
NumericVector res(n);
res[0] = x[0];
for (int i=1; i<n; i++)
res[i] += x[i] + res[i-1]*disc;
return res;
"))
# user system elapsed
# 0.03 0.16 20.03
基准测试
res <- bench::mark(time_unit="s",
app_1 = dt[, DCS1 := sapply(1:.N, function(k) sum(0.9**(k - 1:k)*head(value, k)))],
app_2 = dt[, DCS2 := dt[, Reduce(function(x, y) 0.9 * x + y, as.list(value), accumulate = TRUE)]],
app_3 = app_3(dt),
dt_rcpp = dt[, DCS4 := dcs(value, 0.9)],
dt_recursive = s <- 0
dt[, DCS5 :=
s <- value + s*0.9
s
, 1L:nrow(dt)]
,
min_time = 1
)
res
时间安排:
# A tibble: 5 x 13
expression min median `itr/sec` mem_alloc `gc/sec` n_itr n_gc total_time result memory time gc
<bch:expr> <dbl> <dbl> <dbl> <bch:byt> <dbl> <int> <dbl> <dbl> <list> <list> <list> <list>
1 app_1 6.34 6.34 0.158 1.12GB 0.315 1 2 6.34 <df[,7] [10~ <df[,3] [5~ <bch:~ <tibble [~
2 app_2 0.0109 0.0123 71.3 612.34KB 21.8 72 22 1.01 <df[,7] [10~ <df[,3] [2~ <bch:~ <tibble [~
3 app_3 3.93 3.93 0.255 4.1GB 0.764 1 3 3.93 <df[,7] [10~ <df[,3] [2~ <bch:~ <tibble [~
4 dt_rcpp 0.000308 0.000337 2681. 195.46KB 6.01 2679 6 0.999 <df[,7] [10~ <df[,3] [2~ <bch:~ <tibble [~
5 dt_recursive 0.00939 0.00972 99.2 294.52KB 6.94 100 7 1.01 <df[,7] [10~ <df[,3] [3~ <bch:~ <tibble [~
另一个 1e6 行的计时:
# A tibble: 3 x 13
expression min median `itr/sec` mem_alloc `gc/sec` n_itr n_gc total_time result memory time gc
<bch:expr> <dbl> <dbl> <dbl> <bch:byt> <dbl> <int> <dbl> <dbl> <list> <list> <list> <list>
1 app_2 1.52 1.52 0.659 53.5MB 6.59 1 10 1.52 <df[,5] [1,0~ <df[,3] [27~ <bch:~ <tibble [~
2 dt_rcpp 0.00731 0.00942 89.9 15.3MB 0.899 100 1 1.11 <df[,5] [1,0~ <df[,3] [20~ <bch:~ <tibble [~
3 dt_recursive 0.902 0.905 1.10 22.9MB 1.66 2 3 1.81 <df[,5] [1,0~ <df[,3] [4,~ <bch:~ <tibble [~
由reprex package (v0.3.0) 于 2020-05-15 创建
【讨论】:
【参考方案2】:这里有另外 2 个选项。
1) 使用Rcpp
,然后在data.table
中通过引用更新:
library(Rcpp)
cppFunction("
NumericVector dcs(NumericVector x, double disc)
int n = x.size();
NumericVector res(n);
res[0] = x[0];
for (int i=1; i<n; i++)
res[i] += x[i] + res[i-1]*disc;
return res;
")
dt[, DCS := dcs(value, 0.9)]
2) 或者在data.table
中递归:
s <- 0
dt[, dcs2 :=
s <- value + s*0.9
s
,
1L:nrow(dt)]
#or simply: s <- 0; dt[, dcs2 := s <- value + s*0.9, 1L:nrow(dt)]
输出:
year value DCS dcs2
1: 79 5 5.0000 5.0000
2: 80 2 6.5000 6.5000
3: 81 6 11.8500 11.8500
4: 82 8 18.6650 18.6650
5: 83 9 25.7985 25.7985
编辑:回应关于分组的评论:
dt <- data.table(ID=c(1,1,2,2), value=1:4)
dt[,
n <- .N
s <- 0;
.SD[,
s <- value + s*0.9;
s
,
1L:n]
,
ID]
输出:
ID n V1
1: 1 1 1.0
2: 1 2 2.9
3: 2 1 3.0
4: 2 2 6.7
【讨论】:
你能比较一下函数的时间吗? 第二种方法很棒,我只是从另一个答案中尝试了 sapply,然后我要建议的一个实现以及具有 100 万行数据集的递归 data.table 解决方案,而前两个非常缓慢且消耗内存,data.table 中的递归方式非常神奇。 您能否分享在哪里可以找到有关第二种方法中 data.table 语法的更多信息?由于某种原因,我似乎无法在文档中甚至通过谷歌找到它:/ @ira 这是 Matt Dowle 在***.com/questions/38285789/… 的帖子。从那以后出现了回归,我在项目的 github 站点上发布了一个问题。你愿意分享时间吗? 在具有10k
观察值的数据集上,我在微基准测试的 30 次迭代中具有以下中值时间:sapply: 5945ms
、recursively in data.table: 11ms
。此外,此答案中提出的第二个选项似乎内存效率更高。不过我还没有尝试过 Rcpp 方法。【参考方案3】:
也许你可以试试下面的代码。
方法 1
通过使用sum
直接遵循公式
dt[,DCS:=sapply(1:.N,function(k) sum(0.9**(k-1:k)*head(value,k)))]
方法2
使用来自基础 R 的Reduce
dt[,Reduce(function(x,y) 0.9*x+y,as.list(value),accumulate = TRUE)]
方法 3
首先,您可以构造一个矩阵m
,它给出类似卷积的系数
m <- matrix(0,nrow = nrow(dt),ncol = nrow(dt))
v <- 0.9**(seq(nrow(dt))-1)
m[lower.tri(m,diag = TRUE)] <- unlist(sapply(rev(seq_along(v)),function(k) head(v,k)))
或者使用shift
获取矩阵m
(感谢@chinsoon12)
x <- 0L:(nrow(dt)-1L);
m <- t(do.call(cbind, shift(0.9^x, x, fill=0)))
然后就可以运行了
dt[,DCS:=m%*%value]
结果
> dt
year value DCS
1: 79 5 5.0000
2: 80 2 6.5000
3: 81 6 11.8500
4: 82 8 18.6650
5: 83 9 25.7985
【讨论】:
以上是关于R中的贴现累积和的主要内容,如果未能解决你的问题,请参考以下文章