1

起初我有一个这样的矩阵：

x <- matrix(rnorm(1e3),260)

然后是一个数组

lst <- lapply(seq(1,length(x[,1]), by=52), function(i) x[i:(i+51),])
Data_array <- array(unlist(lst), dim=c(52,length(x[1,]),(length(x[,1])/52)))

该数组是 52（周）的 Dataframe 序列。这是一个时间分析（每周）

我想在这个数组上计算一个 ecdf 函数。

, , 1

             [,1]        [,2]        [,3]
 [1,]  **0.66319631**  0.01004290  0.02133477
 [2,] -1.64273648  0.23105503  1.02862145
 [3,]  1.17083363 -0.49700717 -0.01119745

, , 2

             [,1]        [,2]         [,3]
 [1,] **-0.79365987**  1.28394049 -0.547763434
 [2,] -0.09221301  1.07676841  0.570294731
 [3,]  0.20293308  1.00182888  0.247373981

, , 3

             [,1]         [,2]        [,3]
 [1,]  **1.03862172** -0.961678683  1.25334651
 [2,]  0.58476540  0.745250484 -0.06183788
 [3,]  0.24057690  1.226575038  0.23363005

计算每个单元格的 ecdf 函数。这是每周的季节性分析。

即计算这个时间序列的分位数（**）：0.66319631;-0.79365987;1.03862172

对于 MEAN，它的工作原理：

array_lag_sum<-apply(Data_array,c(1,2),FUN=function(x){mean(x,na.rm=TRUE)})

我尝试了与 ecdf 类似的功能，但它不起作用。

percent_array<-apply(Data_array,c(1,2),FUN=function(u){ecdf(u)(u)})

然后......它还没有完成，我想像数据数据帧（x）的原始格式一样重新格式化这个数组。（就像一个 rbind 但在一个数组上。）

非常感谢你的帮助。

编辑 ：

对不起，但我不知道我是否这么清楚。数组对我来说很复杂；

但是用你的方法，如果我有这个简单的数据框：

B <- matrix(seq(1,20), 20, 3)

    > B
          [,1] [,2] [,3]
     [1,]    1    1    1
     [2,]    2    2    2
     [3,]    3    3    3
     [4,]    4    4    4
     [5,]    5    5    5
     [6,]    6    6    6
     [7,]    7    7    7
     [8,]    8    8    8
     [9,]    9    9    9
    [10,]   10   10   10
    [11,]   11   11   11
    [12,]   12   12   12
    [13,]   13   13   13
    [14,]   14   14   14
    [15,]   15   15   15
    [16,]   16   16   16
    [17,]   17   17   17
    [18,]   18   18   18
    [19,]   19   19   19
    [20,]   20   20   20

你的函数给出：

    Data_array <- array( B, dim=c(10,3,5))

, , 1

      [,1] [,2] [,3]
 [1,]    1   11    1
 [2,]    2   12    2
 [3,]    3   13    3
 [4,]    4   14    4
 [5,]    5   15    5
 [6,]    6   16    6
 [7,]    7   17    7
 [8,]    8   18    8
 [9,]    9   19    9
[10,]   10   20   10

, , 2

      [,1] [,2] [,3]
 [1,]   11    1   11
 [2,]   12    2   12
 [3,]   13    3   13
 [4,]   14    4   14
 [5,]   15    5   15
 [6,]   16    6   16
 [7,]   17    7   17
 [8,]   18    8   18
 [9,]   19    9   19
[10,]   20   10   20

或者我会更多这样的东西：

,,1

      [,1] [,2] [,3]
 [1,]    1    1    1
 [2,]    2    2    2
 [3,]    3    3    3
 [4,]    4    4    4
 [5,]    5    5    5
 [6,]    6    6    6
 [7,]    7    7    7
 [8,]    8    8    8
 [9,]    9    9    9
[10,]   10   10   10

,,2
      [,1] [,2] [,3]
 [1,]   11   11   11
 [2,]   12   12   12
 [3,]   13   13   13
 [4,]   14   14   14
 [5,]   15   15   15
 [6,]   16   16   16
 [7,]   17   17   17
 [8,]   18   18   18
 [9,]   19   19   19
[10,]   20   20   20

并得到一个表格，它是时间序列的百分位值。每列和每行的百分位值分别为 1 和 11、2 和 12（我知道这无关紧要，但仅作为示例）

抱歉，如果我的最后一个问题无法理解

4

1 回答 1

3

答案是：

 ecdf_mat <- apply( Data_array, 1:2, ecdf)

这会将前两个索引的每个组合中的值传递给函数ecdf. 这些通道中的每一个都会将一个函数返回到一个矩阵位置。如果没有一点指导，您将获得大多数人无法使用的东西：一个 52 x 4 的函数矩阵。这些函数包含在有效矩阵或数组元素的列表中：

> dim(apply( Data_array, 1:2, ecdf) )
[1] 52  4

要访问它们，您需要首先使用标准“[”索引将它们从矩阵中拉出，然后通过调用“[[1]]”将它们从列表容器中拉出：

> str(apply( Data_array, 1:2, ecdf)[1,1] )
List of 1
 $ :function (v)  
  ..- attr(*, "class")= chr [1:3] "ecdf" "stepfun" "function"
  ..- attr(*, "call")= language FUN(newX[, i], ...)

> apply( Data_array, 1:2, ecdf)[1,1][[1]]
Empirical CDF 
Call: FUN(newX[, i], ...)
 x[1:5] = -0.92217, -0.37471, 0.058284, 0.28502, 0.44391

> apply( Data_array, 1:2, ecdf)[1,1][[1]](0)
[1] 0.4

编辑： - - -

看来您不想要 ecdf 本身（尽管没有对我让您认识到区别的努力做出回应），而是想要一个形状相同的数组，其中 ij 位置的百分位值被视为单独的长度 k 序列。我可以想到两种方法来做到这一点。第一个将使用我构建和演示的 ecdf 函数矩阵，但我相信这是更巴洛克的方法，并且更容易为您提供更直接的路线。我冒昧地通过使长的第一个维度只有 10 长来使这更易于管理。

x <- matrix(rnorm(1e3),260)
lst <- lapply(seq(1,length(x[,1]), by=10), function(i) x[i:(i+51),])
Data_array <- array(unlist(lst), dim=c(10,length(x[1,]),(length(x[,1])/52

pctiles2 <-  apply( Data_array,  1:2, function(x) ecdf(x)(x) )

> str(pctiles2)
 num [1:5, 1:10, 1:4] 0.8 0.4 0.6 0.2 1 0.4 1 0.2 0.6 0.8 ...

它们实际上不是百分位数，但这可以通过100*从 ecdf 调用中滑入（或将结果乘以 100 来轻松解决）。您会注意到结构已被置换，因此分位数/百分位数序列沿第一列。那是因为 apply 总是以列主要顺序提供其结果。有一个功能aperm可以让您按原始顺序重新排列它们：

re_pctiles <- aperm(pctiles, c(2,3,1) )
于 2014-12-11T17:40:14.107 回答