Media de una ventana deslizante en R

Tengo un vector de valores que me gustaría informar el promedio en ventanas a lo largo de una diapositiva más pequeña.

Por ejemplo, para un vector de los siguientes valores:

4, 5, 7, 3, 9, 8

Un tamaño de ventana de 3 y una diapositiva de 2 harían lo siguiente:

(4+5+7)/3 = 5.33
(7+3+9)/3 = 6.33
(9+8)/3 = 5.67

Y devuelve un vector de estos valores:

5.33, 6.33, 5.67

¿Hay una función simple que haga esto por mí? Si también devuelve los índices de inicio de la ventana, eso sería una ventaja adicional. En este ejemplo eso sería 1,3,5

La función rollapplyen el paquete zoo te acerca:

> require(zoo)
> TS <- zoo(c(4, 5, 7, 3, 9, 8))
> rollapply(TS, width = 3, by = 2, FUN = mean, align = "left")
       1        3 
5.333333 6.333333

Simplemente no calculará el último valor para usted, ya que no contiene 3 observaciones. Tal vez esto será suficiente para su verdadero problema? Además, tenga en cuenta que el objeto devuelto tiene los índices que desea como del namesvector devuelto.

Su ejemplo es suponer que hay un 0 no observado en la última ventana. Puede ser más útil o realista rellenar con un NApara representar la información que falta y decirle meanque maneje los valores que faltan. En este caso tendremos (8 + 9) / 2 como nuestro valor final de ventana.

> TS <- zoo(c(4, 5, 7, 3, 9, 8, NA))
> rollapply(TS, width = 3, by = 2, FUN = mean, na.rm = TRUE, align = "left")
       1        3        5 
5.333333 6.333333 8.500000

Rollapply funciona muy bien con un pequeño conjunto de datos. Sin embargo, si está trabajando con varios millones de filas (genómica), es bastante lento.

La siguiente función es súper rápida.

data <- c(runif(100000, min=0, max=.1),runif(100000, min=.05, max=.1),runif(10000, min=.05, max=1), runif(100000, min=0, max=.2))

slideFunct <- function(data, window, step){
  total <- length(data)
  spots <- seq(from=1, to=(total-window), by=step)
  result <- vector(length = length(spots))
  for(i in 1:length(spots)){
    result[i] <- mean(data[spots[i]:(spots[i]+window)])
  }
  return(result)
}

http://coleoguy.blogspot.com/2014/04/sliding-window-analysis.html

Esta simple línea de código hace lo siguiente:

((c(x,0,0) + c(0,x,0) + c(0,0,x))/3)[3:(length(x)-1)]

si xes el vector en cuestión.

library(zoo)
x=c(4, 5, 7, 3, 9, 8)
rollmean(x,3)

o

library(TTR)
x=c(4, 5, 7, 3, 9, 8)
SMA(x,3)

La respuesta de shabbychef en R:

slideMean<-function(x,windowsize=3,slide=2){
 idx1<-seq(1,length(x),by=slide);
 idx1+windowsize->idx2;
 idx2[idx2>(length(x)+1)]<-length(x)+1;
 c(0,cumsum(x))->cx;
 return((cx[idx2]-cx[idx1])/windowsize);
}

EDITAR: los índices que está buscando son solo idx1... esta función se puede modificar fácilmente para devolverlos también, pero es casi igual de rápido recrearlos con otra llamada a seq(1,length(x),by=slide).

Puedo hacer esto fácilmente en Matlab y agacharme mientras me bajas el voto:

%given vector x, windowsize, slide 
idx1 = 1:slide:numel(x);
idx2 = min(numel(x) + 1,idx1 + windowsize);  %sic on +1 here and no -1;
cx = [0;cumsum(x(:))];  %pad out a zero, perform a cumulative sum;
rv = (cx(idx2) - cx(idx1)) / windowsize; %tada! the answer!

como efecto secundario, idx1es el índice del elemento en la suma. Estoy seguro de que esto se puede traducir fácilmente a R. El idioma first:skip:lasten Matlab le da a la matriz first, first + skip, first + 2skip, ..., first + n skip, donde el último elemento de la matriz no es mayor que last.

editar : había omitido la parte de promedio (dividir por windowsize).

Esto le dará los medios de la ventana y el índice del primer valor de la ventana:

#The data
x <- c(4, 5, 7, 3, 9, 8)

#Set window size and slide
win.size <- 3
slide <- 2

#Set up the table of results
results <- data.frame(index = numeric(), win.mean = numeric())

#i indexes the first value of the window (the sill?)
i <- 1
#j indexes the row of the results to be added next
j <- 1
while(i < length(x)) {
    #This mean preserves the denominator of 3
    win.mean <- sum(x[i:(i+2)], na.rm = TRUE)/win.size
    #Insert the results
    results[j, ] <- c(i, win.mean)
    #Increment the indices for the next pass
    i <- i + slide
    j <- j + 1
    }

Se aplican varias advertencias: no he probado esto con nada más que sus datos de muestra; Creo que agregar marcos de datos como este puede ser realmente lento si tiene muchos valores (porque copiará el marco de datos cada vez); etc. Pero produce lo que pediste.