Kiedy używać approxfun vs. ok.

Question

Dokumentacja dla approxfun stwierdza, że ​​jest "często bardziej przydatna niż approx". Staram się zdobyć moją głowę wokół approxfun. Kiedy approxfun będzie bardziej przydatny niż approx (a kiedy będzie bardziej przydatny approx)?

Answer 1

approx zwraca wartość przybliżonej funkcji w (albo) określonych punktach lub przy danej liczbie punktów. approxfun zwraca funkcję, którą można następnie ocenić w określonych punktach. Jeśli potrzebujesz przybliżenia w punktach, które znasz w chwili dokonywania zbliżenia, zrobi to za Ciebie. Jeśli potrzebujesz funkcji (w sensie matematycznym), która zwróci wartość przybliżenia dla jakiegoś argumentu podanego później, potrzebna jest approxfun.

Oto kilka przykładów.

dat <- data.frame(x=1:10, y=(1:10)^2) 

Wyjście z approx i approxfun podstawie tych danych

> approx(dat$x, dat$y) 
$x 
[1] 1.000000 1.183673 1.367347 1.551020 1.734694 1.918367 2.102041 
[8] 2.285714 2.469388 2.653061 2.836735 3.020408 3.204082 3.387755 
[15] 3.571429 3.755102 3.938776 4.122449 4.306122 4.489796 4.673469 
[22] 4.857143 5.040816 5.224490 5.408163 5.591837 5.775510 5.959184 
[29] 6.142857 6.326531 6.510204 6.693878 6.877551 7.061224 7.244898 
[36] 7.428571 7.612245 7.795918 7.979592 8.163265 8.346939 8.530612 
[43] 8.714286 8.897959 9.081633 9.265306 9.448980 9.632653 9.816327 
[50] 10.000000 

$y 
[1] 1.000000 1.551020 2.102041 2.653061 3.204082 3.755102 
[7] 4.510204 5.428571 6.346939 7.265306 8.183673 9.142857 
[13] 10.428571 11.714286 13.000000 14.285714 15.571429 17.102041 
[19] 18.755102 20.408163 22.061224 23.714286 25.448980 27.469388 
[25] 29.489796 31.510204 33.530612 35.551020 37.857143 40.244898 
[31] 42.632653 45.020408 47.408163 49.918367 52.673469 55.428571 
[37] 58.183673 60.938776 63.693878 66.775510 69.897959 73.020408 
[43] 76.142857 79.265306 82.551020 86.040816 89.530612 93.020408 
[49] 96.510204 100.000000 

> approxfun(dat$x, dat$y) 
function (v) 
.C(C_R_approxfun, as.double(x), as.double(y), as.integer(n), 
    xout = as.double(v), as.integer(length(v)), as.integer(method), 
    as.double(yleft), as.double(yright), as.double(f), NAOK = TRUE, 
    PACKAGE = "stats")$xout 
<bytecode: 0x05244854> 
<environment: 0x030632fc> 

inne przykłady użycia:

a <- approx(dat$x, dat$y) 
af <- approxfun(dat$x, dat$y) 

plot(dat) 
points(a, pch=2) 

plot(dat) 
curve(af, add=TRUE) 

lub inny przykład, w którym potrzebne jest funkcję:

> uniroot(function(x) {af(x)-4}, interval=c(1,10)) 
$root 
[1] 1.999994 

$f.root 
[1] -1.736297e-05 

$iter 
[1] 24 

$estim.prec 
[1] 6.103516e-05