1

重複の可能性：
以前の非NA値を使用してベクトルにNAを入力しますか？

Rベクトルのセル値を「下」にコピーする慣用的な方法はありますか？「コピーダウン」とは、NAを最も近い以前の非NA値に置き換えることを意味します。

これはforループで非常に簡単に実行できますが、実行速度は非常に遅くなります。これをベクトル化する方法についてのアドバイスをいただければ幸いです。

# Test code
# Set up test data
len <- 1000000
data <- rep(c(1, rep(NA, 9)), len %/% 10) * rep(1:(len %/% 10), each=10)
head(data, n=25)
tail(data, n=25)

# Time naive method
system.time({
  data.clean <- data;
  for (i in 2:length(data.clean)){
    if(is.na(data.clean[i])) data.clean[i] <- data.clean[i-1]
  }
})

# Print results
head(data.clean, n=25)
tail(data.clean, n=25)

テスト実行の結果：

> # Set up test data
> len <- 1000000
> data <- rep(c(1, rep(NA, 9)), len %/% 10) * rep(1:(len %/% 10), each=10)
> head(data, n=25)
 [1]  1 NA NA NA NA NA NA NA NA NA  2 NA NA NA NA NA NA NA NA NA  3 NA NA NA NA
> tail(data, n=25)
 [1]     NA     NA     NA     NA     NA  99999     NA     NA     NA     NA
[11]     NA     NA     NA     NA     NA 100000     NA     NA     NA     NA
[21]     NA     NA     NA     NA     NA
> 
> # Time naive method
> system.time({
+   data.clean <- data;
+   for (i in 2:length(data.clean)){
+     if(is.na(data.clean[i])) data.clean[i] <- data.clean[i-1]
+   }
+ })
   user  system elapsed 
   3.09    0.00    3.09 
> 
> # Print results
> head(data.clean, n=25)
 [1] 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3
> tail(data.clean, n=25)
 [1]  99998  99998  99998  99998  99998  99999  99999  99999  99999  99999
[11]  99999  99999  99999  99999  99999 100000 100000 100000 100000 100000
[21] 100000 100000 100000 100000 100000
>
4

2 に答える 2

5

慣用句についてはわかりませんが、ここでは非NA値（idx）と最後の非NA値のインデックス（ cumsum(idx)）を特定します。

f1 <- function(x) {
    idx <- !is.na(x)
    x[idx][cumsum(idx)]
}

na.locfこれは、サンプルデータの約6倍の速度のようです。na.locfデフォルトのように主要なNAをドロップするので、

f2 <- function(x, na.rm=TRUE) {
    idx <- !is.na(x)
    cidx <- cumsum(idx)
    if (!na.rm)
        cidx[cidx==0] <- NA_integer_
    x[idx][cidx]
}

これは、約30％の時間を追加するようna.rm=FALSEです。おそらくna.locf他のメリットもあり、コーナーケースをより多くキャプチャし、ダウンではなくフィルを許可します（cumsumとにかく、これは世界で興味深い演習です）。また、おそらく大きなデータの少なくとも5つの割り当てを行っていることも明らかです- idx（実際には、計算is.na()してそれを補完します）、、、cumsum(idx)およびx[idx]-x[idx][cumsum(idx)]したがって、たとえばCではさらに改善の余地があります

于 2013-01-22T05:40:43.360 に答える
2

使用するzoo::na.locf

関数でコードをラップするf（最後に戻ることdata.cleanを含む）：

library(rbenchmark)
library(zoo)

identical(f(data), na.locf(data))
## [1] TRUE

benchmark(f(data), na.locf(data), replications=10, columns=c("test", "elapsed", "relative"))
##            test elapsed relative
## 1       f(data)  21.460   14.471
## 2 na.locf(data)   1.483    1.000
于 2013-01-22T00:48:22.500 に答える