Médias móveis em R No meu melhor conhecimento, R não possui uma função interna para calcular as médias móveis. Usando a função de filtro, no entanto, podemos escrever uma função curta para médias móveis: podemos então usar a função em qualquer dado: mav (dados) ou mav (dados, 11) se quisermos especificar um número diferente de pontos de dados Do que o traçado padrão 5 funciona como esperado: plot (mav (data)). Além do número de pontos de dados sobre os quais a média, também podemos alterar o argumento lateral das funções de filtro: sides2 usa ambos os lados, sides1 usa apenas valores passados. Compartilhe isto: Publicar navegação Comentar navegação Comentar navegação Como calcular a média móvel na R Idioma e Python Uma média móvel é usada para suavizar uma série temporal. A média móvel de computação é um caso típico de computação de dados ordenada. Seu método de computação básica é criar um subconjunto composto por N membros consecutivos de uma série temporal, calcular a média do conjunto e deslocar o subconjunto para frente, um a um. O exemplo a seguir mostra como calcular a média móvel no idioma R. As vendas de quadros de dados têm dois campos: data de vendas e quantidade desta data. Requisito: calcular a média móvel em três dias. As etapas de computação incluem a procura de uma média de vendas do dia anterior, o dia atual e no dia seguinte, e avançar ao longo das datas. Uma parte dos dados de origem é a seguinte: filter (salesAmount3, rep (1, 3)) a função de filtro pode ser usada no idioma R para calcular a média móvel, o que produz um código conciso. Este método é bastante conveniente. Apesar da conveniência da função de filtro. É difícil de entender para iniciantes. Por exemplo, salesAmount3 significa dividir o valor atual do campo Amount por três, mas quando é usado na função de filtro, pode significar a adição dos três valores consecutivos em conjunto e, em seguida, dividir a soma em três. 1,1,1 é o valor da expressão represent (1,3), que é usado aqui para especificar o intervalo de busca de dados. Além disso, porque nem o nome nem os parâmetros da função de filtro contêm as palavras média e em movimento, mesmo muitos desenvolvedores de linguagem R não conhecem seu uso para calcular a média móvel. Na verdade, a função de filtro é um filtro linear universal. Seu uso é mais do que calcular a média móvel. Sua referência de função completa é filtro (x, filtro, método c (convolução, recursivo), lados 2, FALSE circular, init). Qualquer modificação do requisito tornará o código mais difícil de entender. Por exemplo, o código para calcular a média móvel do dia atual e os dois dias anteriores não pode ser escrito como filtro (salesAmount3, rep (0,2)), tem que ser filtro (salesAmount3, rep (1,3), lados 1 ). O idioma R pode calcular a média móvel, mas seu código é bastante evasivo. Nós também podemos usar Python, esProc e Perl para lidar com este caso. Como linguagem R, todos esses idiomas podem executar estatísticas de dados e análises e calcular a média móvel. O seguinte apresenta soluções de Python e esProc brevemente. Pandas é uma função de biblioteca de terceiros do Pythons. É poderoso no processamento de dados estruturados com tipo de dados básicos imitando o quadro de dados Rs. Atualmente, a versão mais recente é 0.14. Seu código para lidar com este caso é o seguinte: O nome da função rollingmean é claro, mesmo um desenvolvedor sem experiência com pandas pode entender isso facilmente. O uso das funções também é simples. Seu primeiro parâmetro é a seqüência que está sendo computada e o segundo parâmetro é N, que é o número de dias na busca da média móvel. EsProc é bom em expressar a lógica comercial livremente com sintaxe ágil. Suas expressões para posição relativa podem resolver problemas computacionais de pedidos facilmente. O código é o seguinte: no código representa um intervalo relativo, ou seja, os três dias do dia anterior, o dia atual e o dia seguinte. Pode-se ver que a média móvel pode ser elaborada de forma clara e flexível usando um intervalo relativo. Se for necessário, por exemplo, calcular a média móvel do dia atual e dos dois dias anteriores, precisamos apenas mudar o intervalo para o esProc. Um intervalo relativo é um conjunto. EsProc também pode expressar um elemento de posição relativa. Por exemplo, pode calcular a taxa de crescimento das vendas com (Amount-Amount-1) convenientemente. Em contraste, o código em linguagem R e Python é difícil de entender. Não estou certo da solução correta, porém, uma vez que a soma da média de cada amostra introduziria uma quantidade razoável de erro de arredondamento. Hmm. Eu me pergunto se separar a parte fracionária de toda a parte ajudaria. Divida toda a parte de cada número pela contagem. Mantenha três somas correntes: 1) A média das partes inteiras, 2) O restante de cada divisão, e 3) A parte fracionada de cada número. Cada vez que a parte inteira de um número é dividida, todo o resultado da peça é adicionado à soma de execução média e o restante é adicionado ao restante da soma em execução. Quando a soma de execução restante obtém um valor maior ou igual à contagem, é dividido pela contagem com o resultado da parte inteira adicionado à soma de execução média e o restante adicionado à soma de execução restante. Além disso, em cada cálculo, a parte fracionada é adicionada à soma de rotura fracionada. Quando a média é concluída, a soma de execução restante é dividida pela contagem e o resultado é adicionado à soma de execução média como um número flutuante. Por exemplo: agora o que fazer com a soma de fluxo fracionada. O perigo de transbordar é muito menos provável aqui, embora ainda seja possível, de modo que uma maneira de lidar com isso seria dividir a soma de execução fracionada pela contagem no final e adicioná-la ao nosso resultado: uma alternativa seria verificar a operação fracionada Soma em cada cálculo para ver se é maior ou igual a contar. Quando isso acontece, faça o mesmo que fazemos com o restante da soma corrente.
No comments:
Post a Comment