<\/p>\n
W analizie szereg\u00f3w czasowych \u015brednia ruchoma<\/strong> reprezentuje \u015bredni\u0105 warto\u015b\u0107 z kilku poprzednich okres\u00f3w.<\/span><\/p>\n Aby obliczy\u0107 grupow\u0105 \u015bredni\u0105 ruchom\u0105 w R, mo\u017cesz u\u017cy\u0107 nast\u0119puj\u0105cej podstawowej sk\u0142adni:<\/span><\/p>\n W tym konkretnym przyk\u0142adzie obliczana jest 3-okresowa \u015brednia ruchoma zmiennej2<\/strong> , pogrupowana wed\u0142ug zmiennej1<\/strong> .<\/span><\/p>\n W tym kodzie zastosowano funkcj\u0119 group_by()<\/strong> z pakietu dplyr<\/strong> i funkcj\u0119 rollmean()<\/strong> z pakietu zoo<\/strong> .<\/span><\/p>\n Poni\u017cszy przyk\u0142ad pokazuje, jak w praktyce wykorzysta\u0107 t\u0119 funkcj\u0119.<\/span><\/p>\n Za\u0142\u00f3\u017cmy, \u017ce mamy nast\u0119puj\u0105c\u0105 ramk\u0119 danych w R, kt\u00f3ra pokazuje sprzeda\u017c produktu przez kolejne dni w dw\u00f3ch r\u00f3\u017cnych sklepach:<\/span><\/p>\n Mo\u017cemy u\u017cy\u0107 nast\u0119puj\u0105cej sk\u0142adni, aby utworzy\u0107 now\u0105 kolumn\u0119 o nazwiemoving_avg3<\/strong> , kt\u00f3ra wy\u015bwietla 3-dniow\u0105 \u015bredni\u0105 ruchom\u0105 warto\u015b\u0107 sprzeda\u017cy dla ka\u017cdego sklepu:<\/span><\/p>\n Uwaga<\/strong> : Warto\u015b\u0107 k<\/strong> w funkcji rollmean()<\/strong> kontroluje liczb\u0119 poprzednich okres\u00f3w u\u017cywanych do obliczenia \u015bredniej ruchomej.<\/span><\/p>\n Kolumnamoving_avg3<\/strong> wy\u015bwietla \u015bredni\u0105 ruchom\u0105 warto\u015b\u0107 sprzeda\u017cy z poprzednich 3 okres\u00f3w.<\/span><\/p>\n Na przyk\u0142ad \u015bredni\u0105 krocz\u0105c\u0105 sprzeda\u017cy w ci\u0105gu pierwszych 3 dni dla sklepu A oblicza si\u0119 w nast\u0119puj\u0105cy spos\u00f3b:<\/span><\/p>\n 3-dniowa \u015brednia krocz\u0105ca = (4 + 4 + 3) \/ 3 = 3,67<\/strong><\/span><\/p>\n \u015aredni\u0105 ruchom\u0105 sprzeda\u017cy w ci\u0105gu najbli\u017cszych 3 dni dla sklepu A oblicza si\u0119 w nast\u0119puj\u0105cy spos\u00f3b:<\/span><\/p>\n 3-dniowa \u015brednia krocz\u0105ca = (4 + 3 + 5) \/ 3 = 4<\/strong><\/span><\/p>\n I tak dalej.<\/span><\/p>\n Nale\u017cy pami\u0119ta\u0107, \u017ce pierwsze dwie warto\u015bci \u015bredniej ruchomej dla ka\u017cdego sklepu to NA<\/strong> , poniewa\u017c nie by\u0142o wystarczaj\u0105cej liczby poprzednich okres\u00f3w do wykorzystania dla \u015bredniej ruchomej.<\/span><\/p>\n Poni\u017csze samouczki wyja\u015bniaj\u0105, jak wykonywa\u0107 inne typowe zadania w j\u0119zyku R:<\/span><\/p>\n Jak wykre\u015bli\u0107 wiele kolumn w R<\/a> W analizie szereg\u00f3w czasowych \u015brednia ruchoma reprezentuje \u015bredni\u0105 warto\u015b\u0107 z kilku poprzednich okres\u00f3w. Aby obliczy\u0107 grupow\u0105 \u015bredni\u0105 ruchom\u0105 w R, mo\u017cesz u\u017cy\u0107 nast\u0119puj\u0105cej podstawowej sk\u0142adni: library (dplyr) library (zoo) #calculate moving average by group df %>% group_by(variable1) mutate(moving_avg = rollmean(variable2, k= 3 , fill=NA, align=’ right ’)) W tym konkretnym przyk\u0142adzie obliczana jest 3-okresowa \u015brednia […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-3490","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n library<\/span> (dplyr)<\/span>\nlibrary<\/span> (zoo)<\/span>\n\n#calculate moving average by group<\/span>\ndf %>%\n group_by(variable1)\n mutate(moving_avg = rollmean(variable2, k= 3<\/span> , fill=NA, align=' right<\/span> '))<\/strong><\/pre>\n Przyk\u0142ad: Oblicz \u015bredni\u0105 ruchom\u0105 wed\u0142ug grupy w R<\/strong><\/span><\/h2>\n
#create data frame<\/span>\ndf <- data. frame<\/span> (store=rep(c(' A<\/span> ', ' B<\/span> '), each= 7<\/span> ),\n sales=c(4, 4, 3, 5, 6, 5, 7, 4, 8, 7, 2, 5, 4, 6))\n\n#view data frame\n<\/span>df\n\n blind sales\n1 to 4\n2 to 4\n3 to 3\n4 to 5\n5 to 6\n6 to 5\n7 to 7\n8 B 4\n9 B 8\n10 B 7\n11 B 2\n12 B 5\n13 B 4\n14 B 6\n<\/strong><\/pre>\n library<\/span> (dplyr)\nlibrary<\/span> (zoo)\n\n#calculate 3-day moving average of sales, grouped by store<\/span>\ndf %>%\n group_by(store) %>%\n mutate(moving_avg3 = rollmean(sales, k= 3<\/span> , fill=NA, align=' right<\/span> '))\n\n# A tibble: 14 x 3\n# Groups: store[2]\n store sales moving_avg3\n \n 1 A 4 NA \n 2 A 4 NA \n 3 to 3 3.67\n 4 to 5 4 \n 5 to 6 4.67\n 6 to 5 5.33\n 7 to 7 6 \n 8 B 4 NA \n 9 B 8 NA \n10 B 7 6.33\n11 B 2 5.67\n12 B 5 4.67\n13 B 4 3.67\n14 B 6 5\n<\/strong><\/span><\/pre>\n Dodatkowe zasoby<\/strong><\/span><\/h2>\n
Jak u\u015brednia\u0107 kolumny w R<\/a>
Jak obliczy\u0107 \u015bredni\u0105 na grup\u0119 w R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"