r - 使用循环计算两个数据矩阵的误差

Question

我有两个相同维度的数据矩阵，让一个矩阵表示为 另一个用表示乙 有维度 24*365 其中 24 表示小时数，365 表示天数(意味着每个矩阵具有一年的每小时数据)。假设我选择一天，例如，星期日，假设它在两个矩阵的第 3 列中。同样，我从两个矩阵中选择周日的所有剩余列，因此我从每个矩阵中获得两个子矩阵 和 乙 星期日的。然后我将每个子矩阵作为一个向量，并从这两个向量计算均方误差和百分比均方误差。类似地，对一周的剩余天数重复相同的过程。我的问题是任何人都可以使用循环来完成整个过程，每天从两个矩阵中选择子矩阵的循环一个 和 乙 .然后将每个子矩阵作为一个向量，分别计算每一天的均方误差和均方误差百分比。
我尝试用一​​个例子来手动解释我的问题，这个例子是用 表示的任意两个矩阵。 C 和 D ，但是由于我的原始数据矩阵的维数很大，因此有更多的子矩阵，这使得我们手动执行此操作非常耗时。

C <- matrix(16:155, ncol=14, byrow=T)
D<- matrix(50:189,ncol=14, byrow=T)
sub_C1 <- C[,c(1+(0:6)*2)]
sub_D1 <- D[,c(1+(0:6)*2)]
sub_C2 <-  C[,c(2+(0:6)*2)]
sub_D2 <-  D[,c(2+(0:6)*2)]
sub_C3 <-  C[,c(1+(0:4)*3)]
sub_D3 <-  D[,c(1+(0:4)*3)]
################mean square error################
mse_1 <- mean(abs(as.vector(sub_C1)-as.vector(sub_D1)))
mse_2 <- mean(abs(as.vector(sub_C2)-as.vector(sub_D2)))
mse_3 <- mean(abs(as.vector(sub_C3)-as.vector(sub_D3)))
################## mean percentage absolute error############
mape_1 <- mean(abs(as.vector(sub_C1)-as.vector(sub_D1))/as.vector(sub_C1))
mape_2 <- mean(abs(as.vector(sub_C2)-as.vector(sub_D2))/as.vector(sub_C2))
mape_3 <- mean(abs(as.vector(sub_C3)-as.vector(sub_D3))/as.vector(sub_C3))
#############################################################

有人可以帮助通过循环从每个矩阵中选择相同的子矩阵 C 和 D ，并分别计算每个子矩阵的误差。

Answer 1

由于许多自称作者/开发人员经常说 as R is vectorised, loops in R are mostly avoidable .这里也不需要使用循环。还有一件事 - 二元运算，例如 +或 -已经向量化，因此您不需要将矩阵转换为向量 as.vector他们明确。
我想你可以用 purrr::map_df如下详述，这将为您提供所有 7 天的数据框结构。然而，第一行将对应于一年中的第一天(矩阵)。
策略说明——

存储您想要的 n在变量 n 中.这里有你想要的7分区，所以我已经存储 n <- 7

生成一个序列 0 到 n-1所以我用了seq(n) - 1作为第一个论点。

现在对列号使用模除法 %%得到每个 n每次迭代中的第 th 行。例如8 %% 7给 1和类似 15 %% 7还给 1所以每7第 1 行将出现在各自的分区中。

对于分区，我们使用 C[, seq(ncol(C)) %% n == .x]两者的表达式/公式 C和 D分别。 .x是 map 中的第一个参数功能。这将生成 7 个分区。

检查这个

C[, seq(ncol(C)) %% 7 == 2]
     [,1] [,2]
 [1,]   17   24
 [2,]   31   38
 [3,]   45   52
 [4,]   59   66
 [5,]   73   80
 [6,]   87   94
 [7,]  101  108
 [8,]  115  122
 [9,]  129  136
[10,]  143  150

您会注意到第 2 行和第 8 行已由该表达式分区。

将这些中间分区存储在临时变量中(在 {} 内)x1和 x2 (每个矩阵一个)

在另外两个中间变量中说 y1和 y2计算 mse和 mape根据给定的公式(此处使用 x1 和 x2)

由于我们正在生成数据帧作为输出，我们需要 setNames在这里，最后在 {} 内

我希望语法现在已经很清楚了。

library(tidyverse)

C <- matrix(16:155, ncol=14, byrow=T)
D <- matrix(50:189,ncol=14, byrow=T)

#number of partitions you desire
n <- 7 # every 7th column

purrr::map_df(seq(n) - 1, ~{x1 <- C[, seq(ncol(C)) %% n == .x]; x2 <- D[, seq(ncol(D)) %% n == .x];
y1 <- mean(abs(x1 - x2)); y2 <- mean(abs(x1 - x2)/x1); 
setNames(c(.x+1, y1, y2), c('day', 'mse', 'mape'))})

#> # A tibble: 7 x 3
#>     day   mse  mape
#>   <dbl> <dbl> <dbl>
#> 1     1    34 0.520
#> 2     2    34 0.604
#> 3     3    34 0.588
#> 4     4    34 0.572
#> 5     5    34 0.558
#> 6     6    34 0.545
#> 7     7    34 0.532

但是，如果您只想使用 baseR，您可以将以下列表作为具有 7 个元素的输出，每个元素每天 1 个。语法解释。

策略类似于purrr又是在这里。这里公式和输入向量参数交换了位置(根据这些函数的设计)。

由于我们正在生成列表作为输出，因此我们将在 {} 之外使用 `setNames()，即函数/公式参数。

C <- matrix(16:155, ncol=14, byrow=T)
D <- matrix(50:189,ncol=14, byrow=T)

#number of partitions you desire
n <- 7 # every 7th column

Map(\(.x) {x1 <- C[, seq(ncol(C)) %% n == .x]; x2 <- D[, seq(ncol(D)) %% n == .x];
y1 <- mean(abs(x1 - x2)); y2 <- mean(abs(x1 - x2)/x1); 
setNames(c( y1, y2), c('mse', 'mape'))}, seq(n) - 1) |> setNames(paste0('Day', seq(n)))

#> $Day1
#>        mse       mape 
#> 34.0000000  0.5202581 
#> 
#> $Day2
#>        mse       mape 
#> 34.0000000  0.6044914 
#> 
#> $Day3
#>        mse       mape 
#> 34.0000000  0.5878023 
#> 
#> $Day4
#>      mse     mape 
#> 34.00000  0.57236 
#> 
#> $Day5
#>        mse       mape 
#> 34.0000000  0.5580051 
#> 
#> $Day6
#>        mse       mape 
#> 34.0000000  0.5446064 
#> 
#> $Day7
#>        mse       mape 
#> 34.0000000  0.5320546

温馨提示- As 1 %% 7 = 1 (and not 0)第二列将被视为第 1 天，第七列将被视为第 1 天，第一列将被视为第 7 天