[英]What makes rollmean faster than rollapply (code-wise)?
我經常發現時間序列的滾動事件(特別是手段),並且驚訝地發現rollmean
比rollapply
,並且align = 'right'
方法比rollmeanr
包裝器更快。
他們是如何實現這種加速的? 為什么在使用rollmeanr()
包裝器時會丟失一些?
一些背景:我一直在使用rollapplyr(x, n, function(X) mean(X))
,但是我最近發生了一些使用rollmean
例子。 文件建議rollapplyr(x, n, mean)
(注意沒有參數的function
部分)使用rollmean
所以我不認為性能會有太大差異,但是rbenchmark
顯示出顯着的差異。
require(zoo)
require(rbenchmark)
x <- rnorm(1e4)
r1 <- function() rollapplyr(x, 3, mean) # uses rollmean
r2 <- function() rollapplyr(x, 3, function(x) mean(x))
r3 <- function() rollmean(x, 3, na.pad = TRUE, align = 'right')
r4 <- function() rollmeanr(x, 3, align = "right")
bb <- benchmark(r1(), r2(), r3(), r4(),
columns = c('test', 'elapsed', 'relative'),
replications = 100,
order = 'elapsed')
print(bb)
我很驚訝地發現rollmean(x, n, align = 'right')
明顯更快 - 比我的rollapply(x, n, function(X) mean(X))
方法快40倍。
test elapsed relative
3 r3() 0.74 1.000
4 r4() 0.86 1.162
1 r1() 0.98 1.324
2 r2() 27.53 37.203
隨着數據集大小的增長,差異似乎越來越大。 我在上面的代碼中只更改了x
的大小(到rnorm(1e5)
)並重新運行測試,這些函數之間的差異更大。
test elapsed relative
3 r3() 13.33 1.000
4 r4() 17.43 1.308
1 r1() 19.83 1.488
2 r2() 279.47 20.965
對於x <- rnorm(1e6)
test elapsed relative
3 r3() 44.23 1.000
4 r4() 54.30 1.228
1 r1() 65.30 1.476
2 r2() 2473.35 55.920
他們是怎么做到的? 此外,這是最佳解決方案嗎? 當然,這很快但有更快的方法嗎?
(注意:一般來說,我的時間序列幾乎都是xts
對象 - 這有關系嗎?)
計算滾動平均值比計算一般滾動函數更快,因為第一個更容易計算。 在計算一般滾動功能時,你必須反復計算每個窗口上的函數,由於簡單的身份,你不必為mean
做這些操作:
(a2 + a3 + ... + an)/(n-1) = (a1 + a2 + ... + a(n-1))/(n-1) + (an - a1)/(n-1)
你可以通過查看getAnywhere(rollmean.zoo)
來了解它是如何被利用的。
如果你想要更快的滾動平均值,可以使用runmean
的caTools
,它在C中實現,使得它更快(它也可以更好地擴展,因此隨着數據大小的增加會變得更快)。
library(microbenchmark)
library(caTools)
library(zoo)
x = rnorm(1e4)
microbenchmark(runmean(x, 3, endrule = 'trim', align = 'right'),
rollmean(x, 3, align = 'right'))
#Unit: microseconds
# expr min lq median uq max neval
# runmean(x, 3, endrule = "trim", align = "right") 631.061 740.0775 847.5915 1020.048 1652.109 100
# rollmean(x, 3, align = "right") 7308.947 9155.7155 10627.0210 12760.439 16919.092 100
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.