首页 文章

在R中计算滑动时间间隔（7天前/后）的平均值

提问于
浏览 次
2

我已经看到了许多解决方案来处理时间或日期组，比如 aggregate 将每日观察结果汇总到每周观察中，或其他计算移动平均线的解决方案，但我还没有找到方法做我想要的，哪个是从另一个变量键入的数据中提取相对日期 .

我有一堆商店的每日销售数据 . 这是一个带有列的data.frame

store_id date sales

它几乎完成了，但是有一些缺失的数据点，那些丢失的数据点对我们的模型产生了很大的影响（我怀疑） . 因此，我使用 expand.grid 确保每个商店和每个日期都有一行，但此时缺少数据点的销售数据是NA . 我找到了类似的解决方案

dframe[is.na(dframe)] <- 0

要么

dframe$sales[is.na(dframe$sales)] <- mean(dframe$sales, na.rm = TRUE)

但我对其中任何一个的RHS都不满意 . 我想用最佳估计值替换缺失的销售数据，并且给定日期的给定商店的最佳销售估算值是7天前和7天后的销售额的平均值 . 例如 . 对于星期日的8日，星期日的平均值是1日和星期日的15日，因为销售额明显取决于星期几 .

所以我想我可以使用

dframe$sales[is.na(dframe$sales)] <- my_func(dframe)

其中my_func（dframe）在7天前和7天后取代每个商店' sales data with the average of the store'的销售额（忽略了第一次绕过其中一个数据点也缺失的情况），但我不知道如何写一个有效的 my_func 办法 .

如何在不使用非常低效的for循环的情况下，在7天前和未来匹配store_id和日期？优选仅使用基础R包装 .

r

1 回答

  • 0

    就像是：

    with(
  dframe, 
    ave(sales, store_id, FUN=function(x) {
      naw <- which(is.na(x))
      x[naw] <- rowMeans(cbind(x[naw+7],x[naw-7]))
      x
    }
  )
)
    回复于

相关问题