Breite des bewegten Fensters muss eine Ganzzahl zwischen 1 und n eine Option sein, um verschiedene Algorithmen zu wählen. C - eine Version wird in C geschrieben. Es kann nicht endliche Zahlen wie NaNs und Infs behandeln (wie Mittelwert (x, na. rm TRUE)) . Es funktioniert am schnellsten für endrulemean. Schnell - zweites, noch schneller, C - Version. Dieser Algorithmus funktioniert nicht mit nicht-endlichen Zahlen. Es funktioniert auch am schnellsten für endrule anders als gemein. R - viel langsamer Code in R geschrieben. Nützlich für Debugging und als Dokumentation. Exakt - gleich C. mit der Ausnahme, dass alle Ergänzungen unter Verwendung eines Algorithmus durchgeführt werden, der die Hinzufügung von Rundungsfehlern markiert und korrigiert, wobei die Zeichenfolge angibt, wie die Werte am Anfang und am Ende der Daten behandelt werden sollen. Nur die ersten und letzten k2-Werte an beiden Enden sind betroffen, wobei k2 die Halbbandbreite ist k2 k 2. mean - wendet die zugrunde liegende Funktion auf kleinere und kleinere Abschnitte des Arrays an. Äquivalent zu: für (i in 1: k2) outi mean (x1: (ik2)). Diese Option ist in C if algC implementiert. Andernfalls erfolgt in R. trim - trim die endausgangsanordnung länge ist gleich länge (x) -2k2 (out out (k21): (n-k2)). Diese Option mimet die Ausgabe von apply (embed (x, k), 1, mean) und anderen verwandten Funktionen. Halten Sie die Enden mit Zahlen aus x Vektor (out1: k2 x1: k2) konstant - füllen Sie die Enden mit dem ersten und letzten berechneten Wert im Ausgabe-Array (out1: k2 outk21) NA - füllen Sie die Enden mit NAs (out1: k2 NA ) Func - gleich wie gemein, aber impliert in R. Diese Option könnte sehr langsam sein und ist meistens zum Testen enthalten. Ähnlich wie bei enden in laufender Funktion, die die folgenden Optionen hat: ldquo c (Median, halten, konstant) rdquo. spezifiziert ob Ergebnis Sollte zentriert sein (Standard), linksbündig oder rechtsbündig. Wenn endrule Mittel dann Einstellung Ausrichtung nach links oder rechts wird wieder auf langsamere Implementierung gleichbedeutend mit endrule func. Abgesehen von den Endwerten ist das Ergebnis von y runmean (x, k) das gleiche wie ldquo für (j (1k2): (n-k2)) yjmean (x (j-k2): (jk2)) rdquo. Der Hauptanreiz, diesen Satz von Funktionen zu schreiben, war die relative Langsamkeit der Mehrheit der bewegten Fensterfunktionen, die in R und seinen Paketen verfügbar sind. Mit Ausnahme von Runmed. Eine laufende Fenster-Median-Funktion, alle Funktionen, die in sehen, siehe auch Abschnitt sind langsamer als sehr ineffizient ldquo gelten (embed (x, k), 1, FUN) rdquo Ansatz. Relative Geschwindigkeit der Runmean-Funktion ist O (n). Funktion EndRule wendet eine der fünf Methoden an (siehe endrule-Argument), um Endpunkte des Eingabefeldes x zu verarbeiten. In der aktuellen Version des Codes wird die Standard-Endrulemean-Option innerhalb des C-Codes berechnet. Das ist getan, um die Geschwindigkeit im Falle von großen bewegten Fenstern zu verbessern. Im Falle einer runmean (. Algexact) - Funktion wird ein spezieller Algorithmus verwendet (siehe Referenzen), um sicherzustellen, dass sich Rundungsfehler nicht ansammeln. Als Ergebnis ist runmean genauer als Filter (x, rep (1k, k)) und runmean (. AlgC) Funktionen. Gibt einen numerischen Vektor oder eine Matrix mit der gleichen Größe wie x zurück. Nur im Falle von endruletrim werden die Ausgangsvektoren kürzer und die Ausgangsmatrizen haben weniger Zeilen. Die Funktion runmean (. Algexact) basiert auf Code von Vadim Ogranovich, der auf dem Python-Code basiert (siehe letzte Referenz), von Gabor Grothendieck hervorgehoben. Referenzen Über die in runmean verwendete Rundungsfehlerkorrektur. Shewchuk, Jonathan Adaptive Precision Floating-Point Arithmetik und schnell robuste geometrische Prädikate. Www-2.cs. cmu. eduafscsprojectquakepublicpapersrobust-arithmetic. ps Mehr zur Rundungsfehlerkorrektur finden Sie unter: aspn. activestateASPNCookbookPythonRecipe393090 Links in Bezug auf: Moving mean - mean. Kernapply Filter. zersetzen. Stl. Rollmean aus Zoo-Bibliothek, subsums aus Magic Library, Andere bewegte Fensterfunktionen aus diesem Paket: runmin. Runmax Runquantile Runmad und rund runed generic running windows Funktionen: anwenden (embed (x, k), 1, FUN) (am schnellsten), läuft aus gtools Paket (extrem langsam für diesen Zweck), subsums aus Magic Library können laufende Fensteroperationen auf Daten mit ausführen Beliebige Abmessungen Paket caTools Version 1.12 IndexMoving Durchschnitt Dieses Beispiel lehrt Sie, wie Sie den gleitenden Durchschnitt einer Zeitreihe in Excel berechnen. Ein gleitender Durchschnitt wird verwendet, um Unregelmäßigkeiten (Gipfel und Täler) zu glätten, um Trends leicht zu erkennen. 1. Zuerst schauen wir uns unsere Zeitreihen an. 2. Klicken Sie auf der Registerkarte Daten auf Datenanalyse. Hinweis: Kann die Schaltfläche Datenanalyse nicht finden Hier klicken, um das Analysis ToolPak-Add-In zu laden. 3. Wählen Sie Moving Average und klicken Sie auf OK. 4. Klicken Sie in das Feld Eingabebereich und wählen Sie den Bereich B2: M2. 5. Klicken Sie in das Feld Intervall und geben Sie 6 ein. 6. Klicken Sie in das Feld Ausgabebereich und wählen Sie Zelle B3. 8. Zeichnen Sie einen Graphen dieser Werte. Erläuterung: Da wir das Intervall auf 6 setzen, ist der gleitende Durchschnitt der Durchschnitt der bisherigen 5 Datenpunkte und der aktuelle Datenpunkt. Dadurch werden Gipfel und Täler geglättet. Die Grafik zeigt einen zunehmenden Trend. Excel kann den gleitenden Durchschnitt für die ersten 5 Datenpunkte nicht berechnen, da es nicht genügend vorherige Datenpunkte gibt. 9. Wiederholen Sie die Schritte 2 bis 8 für Intervall 2 und Intervall 4. Fazit: Je größer das Intervall, desto mehr werden die Gipfel und Täler geglättet. Je kleiner das Intervall ist, desto näher sind die gleitenden Mittelwerte zu den tatsächlichen Datenpunkten. Ich habe eine Handlung von Zeitreihen im ggplot2-Paket und ich habe den Moving-Durchschnitt durchgeführt und ich möchte das Ergebnis des gleitenden Durchschnitts in die Handlung hinzufügen Serie. Beispiel des Datensatzes (p31): ambtemp dt -1.14 2007-09-29 00:01:57 -1.12 2007-09-29 00:03:57 -1.33 2007-09-29 00:05:57 -1.44 2007 -09-29 00:07:57 -1.54 2007-09-29 00:09:57 -1.29 2007-09-29 00:11:57 Angegebener Code für die Zeitreihen-Präsentation: Beispiel für Moving Average Plot Beispiel für erwartete Ergebnisse The Herausforderung ist, dass Zeitreihen-Daten aus dem Datensatz erhalten werden, der Zeitstempel und Temperatur enthält. Bewegliche durchschnittliche Daten umfassen nur die durchschnittliche Spalte und nicht die Zeitstempel und die Anpassung dieser beiden kann zu Inkonsistenz führen.
No comments:
Post a Comment