别欺负中研院的学弟啦 XD
先看 ppp1987 提供的资料
ID Day X
1 1 0.5
1 3 0.1
1 4 0.3
1 7 0.5
1 9 0.5
1 11 0.2
1 14 0.5
2 1 0.1
2 2 0.4
2 5 0.8
2 9 0.7
2 11 0.1
2 13 0.2
根据 ppp1987 提供的说明如下:
我现在想要算每个ID当天的前七天有观测值的平均
例如
(ID=1,Day=9) Xhat=(0.5+0.3+0.1)/3
(ID=2,Day=11) Xhat=(0.7+0.8)/2
因此我们可以知道 Day = 9, 其实是算 Day 在 2 ~ 8 之间有资料的平均
所以 (ID=2,Day=9) = (0.4 + 0.8) / 2 = 0.6
来看 cywhale 的答案:
ID Day Mx
1: 1 8 0.3500000
2: 1 9 0.3000000
3: 1 10 0.3500000
4: 1 11 0.4333333
5: 1 12 0.4000000
6: 1 13 0.4000000
7: 1 14 0.4000000
8: 2 8 0.4333333
9: 2 9 0.6000000
10: 2 10 0.7500000
11: 2 11 0.7500000
12: 2 12 0.5333333
13: 2 13 0.4000000
14: 2 14 0.3333333
cywhale 的 (ID=2, Day=9) 为 0.6 [正确]
来看 celestialgod 的答案:
# ID Day X x_mean
# 1: 1 1 0.5 NA
# 2: 1 3 0.1 0.50
# 3: 1 4 0.3 0.30
# 4: 1 7 0.5 0.30
# 5: 1 9 0.5 0.30
# 6: 1 11 0.2 0.50
# 7: 1 14 0.5 0.35
# 8: 2 1 0.1 NA
# 9: 2 2 0.4 0.10
# 10: 2 5 0.8 0.25
# 11: 2 9 0.7 0.80
# 12: 2 11 0.1 0.75
# 13: 2 13 0.2 0.40
celestialgod 的 (ID=2, Day=9) 为 0.8 [错误]
而且 0.8 这个数字, 不曾出现在 cywhale 的答案里
相同的情况还有 (ID=1, Day=11)
cywhale 的 (ID=1, Day=11) 为 0.4333 [正确]
celestialgod 的 (ID=1, Day=11) 为 0.5 [错误]
※ 引述《celestialgod (天)》之铭言：
: 标题: Re: [问题] 资料整理的问题
: 时间: Mon Dec 5 17:56:46 2016
:
: ※ 引述《ppp1987 (ppp)》之铭言：
: : [问题类型]:
: : 程式咨询(我想用R 做某件事情，但是我不知道要怎么用R 写出来)
: : [软件熟悉度]:
: : 入门(写过其他程式，只是对语法不熟悉)
: : [问题叙述]:
: : 资料形式
: : ID Day X
: : 1 1 0.5
: : 1 3 0.1
: : 1 4 0.3
: : 1 7 0.5
: : 1 9 0.5
: : 1 11 0.2
: : 1 14 0.5
: : 2 1 0.1
: : 2 2 0.4
: : 2 5 0.8
: : 2 9 0.7
: : 2 11 0.1
: : 2 13 0.2
: : 现在我的资料每个ID(有100多个ID)每天有一笔观测值（但不一定每天有）
: : 我现在想要算每个ID当天的前七天有观测值的平均
: : 例如
: : (ID=1,Day=9) Xhat=(0.5+0.3+0.1)/3
: : (ID=2,Day=11) Xhat=(0.7+0.8)/2
: : 现在已经用for循环跑出结果（但是很慢 2万多笔约30分钟）
: : 想请教各位大大有没有比较快的方法
: : 谢谢
:
: cy大的方法应该比较快XD
:
: 不过我还是把我的方法写出来...
:
: library(data.table)
: library(pipeR)
: library(zoo)
: library(plyr)
:
: DT <- fread('ID Day X
: 1 1 0.5
: 1 3 0.1
: 1 4 0.3
: 1 7 0.5
: 1 9 0.5
: 1 11 0.2
: 1 14 0.5
: 2 1 0.1
: 2 2 0.4
: 2 5 0.8
: 2 9 0.7
: 2 11 0.1
: 2 13 0.2')
:
: DT[ , Day := factor(Day, levels = seq(min(DT$Day), max(DT$Day)))]
:
: mean2 <- function(x) {
: if (length(x) == 1)
: return(NA)
: mean(head(x, length(x) - 1), na.rm = TRUE)
: }
:
: DT2 <- dcast.data.table(DT, ID ~ Day, sum, fill = NA, drop = FALSE,
: value.var = "X")
: meanDT <- DT2[ , 2:ncol(DT2)] %>>% as.matrix %>>% t %>>%
: rollapply(8, mean2, partial = TRUE, align = "right") %>>% data.table %>>%
: melt.data.table(measure.var = 1:ncol(.), variable.name = "ID",
: value.name = "x_mean", variable.factor = FALSE) %>>%
: `[`(j = Day := 1:(ncol(DT2)-1), by = .(ID)) %>>%
: `[`(j = ID := as.integer(mapvalues(ID, paste0("V", 1:nrow(DT2)), DT2$ID)))
: merge(DT, meanDT, by = c("ID", "Day"))
: # ID Day X x_mean
: # 1: 1 1 0.5 NA
: # 2: 1 3 0.1 0.50
: # 3: 1 4 0.3 0.30
: # 4: 1 7 0.5 0.30
: # 5: 1 9 0.5 0.30
: # 6: 1 11 0.2 0.50
: # 7: 1 14 0.5 0.35
: # 8: 2 1 0.1 NA
: # 9: 2 2 0.4 0.10
: # 10: 2 5 0.8 0.25
: # 11: 2 9 0.7 0.80
: # 12: 2 11 0.1 0.75
: # 13: 2 13 0.2 0.40
:
: 稍微改一下cy大的code，让他跟我的output一致
:
celestialgod 的答案很明显的跟 cywhale 的答案不一样,
让 cywhale 的答案跟 celestialgod 的答案一致
那不就是把正确的改错误的吗 ?
帮 cywhale QQ
: 做了一点benchmark，code: http://pastebin.com/Msib1dEh
:
: 我的作法会明显慢一点，三万列差大概一秒，cy大的做法比较好
:
: