Mean carried forward
Alternatif dari last observation carried forward adalah mengganti NA dengan mean dari semua nilai non-NA sebelumnya. Ini disebut mean carried forward. Sekali lagi, R membuat kita memilih antara keterbacaan dan kecepatan. Kode berikut ditulis agar mudah dibaca:
na_meancf1 <- function(x) {
total_not_na <- 0
n_not_na <- 0
res <- x
for(i in seq_along(x)) {
if(is.na(x[i])) {
res[i] <- total_not_na / n_not_na
} else {
total_not_na <- total_not_na + x[i]
n_not_na <- n_not_na + 1
}
}
res
}
Sifatnya yang iteratif membuat ini sulit untuk divektorkan, jadi sebagai gantinya, mari kita konversi ke C++. Lengkapi definisi na_meancf2(), terjemahan C++ dari na_meancf1().
Latihan ini adalah bagian dari kursus
Mengoptimalkan Kode R dengan Rcpp
Petunjuk latihan
- Pada kondisi
if, periksa apakah elemen ke-idarixadalahNAmilikNumericVector. - Jika kondisi bernilai benar, tetapkan hasil ke-
imenjadi total nilai yang tidak hilang,total_not_na, dibagi jumlah nilai yang tidak hilang,n_not_na. - Jika tidak, tambahkan
total_not_nadengan elemen ke-idarix, dan tambahkan1ken_not_na.
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
#include
using namespace Rcpp;
// [[Rcpp::export]]
NumericVector na_meancf2(NumericVector x) {
double total_not_na = 0.0;
double n_not_na = 0.0;
NumericVector res = clone(x);
int n = x.size();
for(int i = 0; i < n; i++) {
// If ith value of x is NA
if(___) {
// Set the ith result to the total of non-missing values
// divided by the number of non-missing values
res[i] = ___ / ___;
} else {
// Add the ith value of x to the total of non-missing values
___;
// Add 1 to the number of non-missing values
___;
}
}
return res;
}
/*** R
library(microbenchmark)
set.seed(42)
x <- rnorm(1e5)
x[sample(1e5, 100)] <- NA
microbenchmark(
na_meancf1(x),
na_meancf2(x),
times = 5
)
*/