- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在尝试计算扩展窗口的平均值,但是数据结构使得之前的答案至少缺少一点所需的内容(最接近的是:link)。
我的数据看起来像这样:
Company TimePeriod IndividualID Date.Indiv.Acted Value
1 1 2015 A 2015-01-01 400
2 1 2015 B 2015-02-01 200
3 1 2015 A 2015-06-15 400
4 1 2015 C 2015-07-12 300
5 1 2016 A 2016-07-15 400
6 1 2016 B 2016-08-09 100
7 1 2016 C 2016-09-10 400
8 1 2016 A 2016-10-11 100
9 2 2004 A 2004-07-12 200
10 2 2004 B 2004-08-12 300
而且我需要根据 Company-TimePeriod 为每个 Date.Indiv.Acted 获取值的累积平均值。但是,我需要删除重复项,同时保留最新的一个。因此,对于前两个平均值,没有问题 - 它们将包括第 1 行,以及第 1 行和第 2 行。但是,第 1、2 和 3 行应该删除第 1 行,因为 IndividualID 是重复的。本质上,我有预测信息,并且想在每次均值计算中仅使用个人的最新预测。
所以我的最终数据看起来像(添加行以便于解释 - 不需要在数据中),
Company TimePeriod IndividualID Date.Indiv.Acted Value CumMean
1 1 2015 A 2015-01-01 400 400
2 1 2015 B 2015-02-01 200 300 (row 1 and 2)
3 1 2015 A 2015-06-15 400 300 (row 2 and 3)
4 1 2015 C 2015-07-12 300 300 (2,3,4)
5 1 2016 A 2016-07-15 400 400 (5)
6 1 2016 B 2016-08-09 100 250 (5,6)
7 1 2016 C 2016-09-10 400 300 (5,6,7)
8 1 2016 A 2016-10-11 100 200 (6,7,8)
9 2 2004 A 2004-07-12 200 200 (9)
10 2 2004 B 2004-08-12 300 250 (9,10)
data.table 解决方案将是理想的,但我并不挑剔,只要它可以在相当大的数据(2000 万行左右)上运行并且不会持续到宇宙热寂为止。
非常感谢你们提供的任何帮助。
最佳答案
setDT(dt)
dt[, occ := 1:.N, by = .(Company, TimePeriod, IndividualID)]
dt[, n := cumsum(!duplicated(IndividualID)), by = .(Company, TimePeriod)]
dt[, Value1 := Value,]
dt[, x := c(0, diff(Value)), by = .(Company, TimePeriod, IndividualID)]
dt[occ>1, Value1 := x,]
dt[, Cummean := cumsum(Value1)/n, by = .(Company, TimePeriod)]
dt[, c("occ", "n", "Value1", "x") := NULL][]
# Company TimePeriod IndividualID Date.Indiv.Acted Value Cummean
# 1: 1 2015 A 2015-01-01 400 400
# 2: 1 2015 B 2015-02-01 200 300
# 3: 1 2015 A 2015-06-15 400 300
# 4: 1 2015 C 2015-07-12 300 300
# 5: 1 2016 A 2016-07-15 400 400
# 6: 1 2016 B 2016-08-09 100 250
# 7: 1 2016 C 2016-09-10 400 300
# 8: 1 2016 A 2016-10-11 100 200
# 9: 2 2004 A 2004-07-12 200 200
#10: 2 2004 B 2004-08-12 300 250
dt <- structure(list(Company = c(1, 1, 1, 1, 1, 1, 1, 1, 2, 2), TimePeriod = c(2015,
2015, 2015, 2015, 2016, 2016, 2016, 2016, 2004, 2004), IndividualID = c("A",
"B", "A", "C", "A", "B", "C", "A", "A", "B"), Date.Indiv.Acted = c("2015-01-01",
"2015-02-01", "2015-06-15", "2015-07-12", "2016-07-15", "2016-08-09",
"2016-09-10", "2016-10-11", "2004-07-12", "2004-08-12"), Value = c(400,
200, 400, 300, 400, 100, 400, 100, 200, 300)), row.names = c(NA,
-10L), class = "data.frame")
关于r - 按组计算的累积(扩展窗口)均值,对每个计算进行重复检查,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55262915/
我想获取每一行某些列的平均值。 我有此数据: w=c(5,6,7,8) x=c(1,2,3,4) y=c(1,2,3) length(y)=4 z=data.frame(w,x,y) 哪个返回:
类似于Numpy mean with condition我的问题将其扩展到对矩阵进行操作:计算矩阵 rdat 的行均值,跳过某些单元格 - 在本例中我使用 0 作为要跳过的单元格 - 就好像这些值从一
我有一个数据集,其中的列标题为产品名称、品牌、评级(1:5)、评论文本、评论有用性。我需要的是提出一个使用评论的推荐算法。我这里必须使用 python 进行编码。数据集采用.csv 格式。 为了识别数
我在 R^3 中有 n 个点,我想用 k 个椭球体或圆柱体覆盖它们(我不在乎;以更容易的为准)。我想大约最小化卷的并集。假设 n 是数万,k 是少数。开发时间(即简单性)比运行时更重要。 显然我可以运
我创建了一个计算均值、中位数和方差的程序。该程序最多接受 500 个输入。当有 500 个输入(我的数组的最大大小)时,我的所有方法都能完美运行。当输入较少时,只有“平均值”计算器起作用。这是整个程序
我已经完成了距离的计算并存储在推力 vector 中,例如,我有 2 个质心和 5 个数据点,我计算距离的方法是,对于每个质心,我首先计算 5 个数据点的距离并存储在阵列,然后与距离一维阵列中的另一个
下面的代码适用于每一列的总数,但我想计算出每个物种的平均值。 # Read data file into array data = numpy.genfromtxt('data/iris.csv',
我有一个独特的要求,我需要两个数据帧的公共(public)列(每行)的平均值。 我想不出这样做的 pythonic 方式。我知道我可以遍历两个数据框并找到公共(public)列,然后获取键匹配的行的平
我把它扔在那里,希望有人会尝试过这种荒谬的事情。我的目标是获取输入图像,并根据每个像素周围小窗口的标准差对其进行分割。基本上,这在数学上应该类似于高斯或盒式过滤器,因为它将应用于编译时(甚至运行时)用
有没有一种方法可以对函数进行向量化处理,使输出成为均值数组,其中每个均值代表输入数组的 0 索引值的均值?循环这个非常简单,但我正在努力尽可能高效。例如0 = 均值(0),1 = 均值(0-1),N
我正在尝试生成均值为 1 的指数分布随机数。我知道如何获取具有均值和标准差的正态分布随机数。我们可以通过normal(mean, standard_deviation)得到它,但是我不知道如何得到指数
我遇到了一段 Python 代码,它的内容类似于以下内容: a = np.array([1,2,3,4,5,6,7]) a array([1, 2, 3, 4, 5, 6, 7]) np.mean(a
我有两个数组。 x 是独立变量,counts 是 x 出现的次数,就像直方图一样。我知道我可以通过定义一个函数来计算平均值: def mean(x,counts): return np.sum
我有在纯 python 中计算平均速度的算法: speed = [...] avg_speed = 0.0 speed_count = 0 for i in speed: if i > 0:
我正在尝试计算扩展窗口的平均值,但是数据结构使得之前的答案至少缺少一点所需的内容(最接近的是:link)。 我的数据看起来像这样: Company TimePeriod IndividualID
我正在尝试实现 Kmeans python中的算法将使用cosine distance而不是欧几里得距离作为距离度量。 我知道使用不同的距离函数可能是致命的,应该小心使用。使用余弦距离作为度量迫使我改
有谁知道自组织映射 (SOM) 与 k 均值相比效果如何?我相信通常在颜色空间(例如 RGB)中,SOM 是将颜色聚类在一起的更好方法,因为视觉上不同的颜色之间的颜色空间存在重叠( http://ww
注意:我希望能得到更多有关如何处理和提出此类解决方案的指南,而不是解决方案本身。 我的系统中有一个非常关键的功能,它在特定上下文中显示为排名第一的分析热点。它处于 k-means 迭代的中间(已经是多
我有一个 pandas 数据框,看起来像这样: 给定行中的每个值要么是相同的数字,要么是 NaN。我想计算数据框中所有两列组合的平均值、中位数和获取计数,其中两列都不是 NaN。 例如,上述数据帧的结
任何人都知道如何调整简单的 K 均值算法来处理 this form 的数据集. 最佳答案 在仍然使用 k-means 的同时处理该形式的数据的最直接方法是使用 k-means 的内核化版本。 JSAT
我是一名优秀的程序员,十分优秀!