Próbuję obliczyć toczną kowariancję między zestawem danych (każda kolumna mojej zmiennej x) i jedną inną (zmienną y) w R. Myślałem, że mogę użyć jednego z wnioskującego funkcje, ale nie może znaleźć w tym samym czasie dwóch zestawów wejść. Oto, co próbowałem:Jak wydajniej obliczać toczną kowariancję
set.seed(1)
x<-matrix(rnorm(500),nrow=100,ncol=5)
y<-rnorm(100)
rollapply(x,width=5,FUN= function(x) {cov(x,y)})
z<-cbind(x,y)
rollapply(z,width=5, FUN=function(x){cov(z,z[,6])})
Ale nikt nie robi tego, co bym chciał. Jednym rozwiązaniem znalazłem jest użycie dla pętli, ale zastanawiam się, czy mogę być bardziej wydajny w R niż:
dResult<-matrix(nrow=96,ncol=5)
for(iLine in 1:96){
for(iCol in 1:5){
dResult[iLine,iCol]=cov(x[iLine:(iLine+4),iCol],y[iLine:(iLine+4)])
}
}
co daje mi oczekiwany wynik:
head(dResult)
[,1] [,2] [,3] [,4] [,5]
[1,] 0.32056460 0.05281386 -1.13283586 -0.01741274 -0.01464430
[2,] -0.03246014 0.78631603 -0.34309778 0.29919297 -0.22243572
[3,] -0.16239479 0.56372428 -0.27476604 0.39007645 0.05461355
[4,] -0.56764687 0.09847672 0.11204244 0.78044096 -0.01980684
[5,] -0.43081539 0.01904417 0.01282632 0.35550327 0.31062580
[6,] -0.28890607 0.03967327 0.58307743 0.15055881 0.60704533
Dobra robota na dokładnym pierwszym poście. –