我经常发现时间序列的滚动事件(特别是手段),并且惊讶地发现它rollmean明显快于rollapply,并且align = 'right'方法比rollmeanr包装器更快.
他们是如何实现这种加速的？为什么在使用rollmeanr()包装器时会丢失一些？
一些背景:我一直在使用rollapplyr(x, n, function(X) mean(X)),但最近我发现了一些使用的例子rollmean.文件建议rollapplyr(x, n, mean)(注意没有function参数的部分)使用,rollmean所以我不认为性能会有太大差异,但rbenchmark显示出明显的差异.
require(zoo)
require(rbenchmark)
x <- rnorm(1e4)
r1 <- function() rollapplyr(x, 3, mean) # uses rollmean
r2 <- function() rollapplyr(x, 3, function(x) mean(x))
r3 <- function() rollmean(x, 3, na.pad = TRUE, align = 'right')
r4 <- function() rollmeanr(x, 3, align = "right")
bb <- benchmark(r1(), r2(), r3(), r4(),
columns = c('test', 'elapsed', 'relative'),
replications = 100,
order = 'elapsed')
print(bb)
我惊讶地发现它rollmean(x, n, align = 'right')明显更快 - 比我的rollapply(x, n, function(X) mean(X))方法快40倍.
test elapsed relative
3 r3() 0.74 1.000
4 r4() 0.86 1.162
1 r1() 0.98 1.324
2 r2() 27.53 37.203
随着数据集大小的增长,差异似乎越来越大.我只更改了上面代码中的x(to rnorm(1e5))大小并重新运行测试,这些函数之间的差异更大.
test elapsed relative
3 r3() 13.33 1.000
4 r4() 17.43 1.308
1 r1() 19.83 1.488
2 r2() 279.47 20.965
并为 x <- rnorm(1e6)
test elapsed relative
3 r3() 44.23 1.000
4 r4() 54.30 1.228
1 r1() 65.30 1.476
2 r2() 2473.35 55.920
他们是怎么做到的？此外,这是最佳解决方案吗？当然,这很快但有更快的方法吗？
(注意:一般来说,我的时间序列几乎都是xts对象 - 这有关系吗？)
计算滚动平均值比计算一般滚动函数更快,因为第一个更容易计算.在计算一般滚动功能时,您必须反复计算每个窗口上的功能mean,由于简单的标识,您不必为此执行此操作:
(a2 + a3 + ... + an)/(n-1) = (a1 + a2 + ... + a(n-1))/(n-1) + (an - a1)/(n-1)
你可以通过观察看看它是如何被利用的getAnywhere(rollmean.zoo).
如果你想要一个更快的滚动平均值,使用runmeanfrom caTools,这在C中实现,使其更快(它也可以更好地扩展,因此随着数据大小的增加会变得更快).
library(microbenchmark)
library(caTools)
library(zoo)
x = rnorm(1e4)
microbenchmark(runmean(x, 3, endrule = 'trim', align = 'right'),
rollmean(x, 3, align = 'right'))
#Unit: microseconds
# expr min lq median uq max neval
# runmean(x, 3, endrule = "trim", align = "right") 631.061 740.0775 847.5915 1020.048 1652.109 100
# rollmean(x, 3, align = "right") 7308.947 9155.7155 10627.0210 12760.439 16919.092 100