Média de uma janela deslizante em R

Eu tenho um vetor de valores que gostaria de relatar a média nas janelas ao longo de um slide menor.

Por exemplo, para um vetor dos seguintes valores:

4, 5, 7, 3, 9, 8

Um tamanho de janela de 3 e um slide de 2 faria o seguinte:

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

E retorne um vetor desses valores:

5.33, 6.33, 5.67

Existe uma função simples que fará isso por mim? Se também retornasse os índices da janela, isso seria um bônus adicional. Neste exemplo, isso seria 1,3,5

A função rollapplyno pacote zoo aproxima você:

> 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

Ele simplesmente não computará o último valor para você, pois não contém 3 observações. Talvez isso seja suficiente para o seu problema real? Além disso, observe que o objeto retornado possui os índices desejados como o namesvetor retornado.

Seu exemplo está assumindo que há um 0 não observado na última janela. Pode ser mais útil ou realista preencher com um NApara representar as informações ausentes e dizer meanpara manipular os valores ausentes. Nesse caso, teremos (8 + 9) / 2 como nosso valor final de janela.

> 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 muito bem com um pequeno conjunto de dados. No entanto, se você estiver trabalhando com vários milhões de linhas (genômica), é bastante lento.

A seguinte função é super 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 simples linha de código faz o seguinte:

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

se xé o vetor em questão.

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

ou

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

resposta de shabbychef em 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);
}

EDIT: Os índices que você está procurando são apenas idx1... essa função pode ser facilmente modificada para retorná-los também, mas é quase igualmente rápido recriá-los com outra chamada para seq(1,length(x),by=slide).

Eu posso fazer isso facilmente no Matlab e me esquivar enquanto você me rebate:

%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 efeito colateral, idx1é o índice do elemento na soma. Estou certo de que isso pode ser facilmente traduzido em R. O idioma first:skip:lastdo Matlab fornece ao array primeiro, primeiro + pula, primeiro + 2 pula, ..., primeiro + n pula, onde o último elemento da matriz não é maior que last.

editar : eu tinha omitido a parte da média (dividir por windowsize).

Isso fornecerá os meios da janela e o índice do primeiro valor da janela:

#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
    }

Várias advertências se aplicam: não testei isso contra nada além de dados de amostra; Acredito que anexar quadros de dados como esse pode ficar muito lento se você tiver muitos valores (porque ele copiará o data.frame toda vez); etc. Mas produz o que você pediu.