我有一个预测矩阵。每行是对单个人的预测,每列是对特定模型的预测。我想对其进行变换,因此第一列是来自第一个模型的预测,第二列是第一和第二个模型的预测的平均值,依此类推。
因此,转换后的矩阵将在原始矩阵中存储观测值的连续累积平均值。
我认为可以将cumsum与apply函数配合使用来实现此目的,但是不确定如何获得优雅的结果(用于大型矩阵)。
谢谢!
试试这个:
# Initialize a testing matrix
(m <- matrix(1:12, 3, 4))
[,1] [,2] [,3] [,4]
[1,] 1 4 7 10
[2,] 2 5 8 11
[3,] 3 6 9 12
# Calculate cumulative average by column for each row
t(apply(m, 1, cumsum) / seq(ncol(m)))
[,1] [,2] [,3] [,4]
[1,] 1 2.5 4 5.5
[2,] 2 3.5 5 6.5
[3,] 3 4.5 6 7.5
这本质上是逐行累加,然后除以表示列索引的循环数组。
编辑:如果您要对数据框执行类似的操作,则使用data.table和reshape2包的这种方法可能会很有用:
library(data.table)
dt <- data.table(m)
# Add row number to melt by
dt[, row := seq(nrow(dt))]
library(reshape2)
dt.molten <- data.table(melt(dt, "row"))
# Row-level format
dt.molten[, cumsum(value) / as.numeric(variable), "row"]
row V1
1: 1 1.0
2: 1 2.5
3: 1 4.0
4: 1 5.5
5: 2 2.0
6: 2 3.5
7: 2 5.0
8: 2 6.5
9: 3 3.0
10: 3 4.5
11: 3 6.0
12: 3 7.5
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句