R语言计算移动平均的方法.pdf 2页

R 计算移动平均的方法 移动平均可以使时间序列变平滑，是典型的有序计算问题，其基本算法是：将 N 个连 续的时间序列成员作为一个集合，计算该集合的平均值，并逐项推移该集合。下面用一个例 子来说明 R 计算移动平均的方法。 案例描述： 数据框 sales 有两个字段：日期和当日销售额，需要计算三日移动平均值。具体算法是： 求出前一日、当日、后一日的销售额平均值，并逐日推移。部分源数据如下： salesDate Amount 2013-01-01 175702.0 2013-01-02 169345.0 2013-01-03 177031.0 2013-01-04 132762.0 2013-01-05 121438.0 代码： filter(sales$Amount/3, rep(1, 3)) 计算结果： Time Series: Start = 1 End = 730 Frequency = 1 [1] NA 174026.00 159712.67 143743.67 120111.00 [6] 112617.00 110509.00 111738.00 98347.00 116050.33 代码解读： R 语言可以用函数 filter 计算移动平均值，代码简短，非常方便。 函数 filter 虽然很方便，但初学者却不易理解。比如 sales$Amount/3 的本意是将 Amount 字段中的当前值除以 3，但用在 filter 函数里却能将前后三个值相加再除以三。表达式 rep(1,3) 的值为[1,1,1]，用在这里却能指定取数范围。另外，filter 的函数名和参数名中既没有“平均”， 也没有“移动”，许多 R 语言开发者都不知道它可以用来计算移动平均值。 事实上，函数 filter 是个通用的线性过滤器，它的作用不止计算移动平均值这么简单。 其完整的函数说明如下：filter(x, filter, method = c("convolution", "recursive"),sides = 2, circular = FALSE, init)。 如果想改动一下算法，代码就会更难理解，比如要计算当日、前一日、前两日这三天的 移动平均值，不能写成：filter(sales$Amount/3, rep(0,2))，而应该是 filter(sales$Amount/3, rep(1,3), sides = 1)。 总结： R 语言可以计算移动平均值，但代码难理解。 第三方解决方案 本案例也可以用 Python、集算器、Perl 等语言来实现。和 R 语言一样，这几种语言都可 以进行数据的统计分析，都可以计???移动平均值，下面简单介绍 Python 和集算器的解决方 案。 Python(pandas) Pandas 是 Python 的第三方库函数，其基本数据类型仿照 R 中的数据框，具有很强的结 构化数据处理能力，目前最新版本是 0.14。代码如下： pandas.stats.moments.rolling_mean(sales["Amount"], 3) rolling_mean 这个函数名一目了然，即使刚接触 pandas 的开发者也能轻易查到这个函数， rolling_mean 的用法也很简洁，第一个参数是被计算的序列，第二个参数是 N 日移动平均值 中的 N。 集算器 集算器擅长以敏捷语法自由表达业务逻辑，其相对位置表达式可以方便地解决有序计算 中的难题。代码所示： sales.(Amount{-1,1}.avg()) 代码中的{-1,1}表示相对区间，即前一日和后一日之间的三天。可以看到，使用相对区 间可以直观地计算移动平均值，而且更加灵活。比如同样改动算法：计算当日、前一日、前 两日这三天的移动平均值，集算器只需将区间改为{-2,0}。 相对区间是个集合