롤링 평균
롤링 평균(이동 평균이라고도 함)은 시계열 분석에서 잡음을 완화하는 데 사용돼요. 각 시점의 값은 주변 시점들(즉, window)의 평균으로 대체됩니다.
이 기능을 자연스럽게 구현하는 방법은 다음과 같아요.
rollmean1 <- function(x, window = 3) {
n <- length(x)
res <- rep(NA, n)
for(i in seq(window, n)) {
res[i] <- mean(x[seq(i - window + 1, i)])
}
res
}
이 코드는 mean()을 여러 번 호출하므로 비효율적이에요. 한 가지 해결책은 total 변수를 사용해, 루프의 각 반복에서 더 이상 필요 없는 원소를 빼고 새로운 원소를 더하는 방식이에요.
rollmean2 <- function(x, window = 3){
n <- length(x)
res <- rep(NA, n)
total <- sum(head(x, window))
res[window] <- total / window
for(i in seq(window + 1, n)) {
total <- total + x[i] - x[i - window]
res[i] <- total / window
}
res
}
어느 쪽이든, 벡터화된 코드보다 루프를 쓰는 방식이 더 자연스럽게 느껴질 수 있는데, 이는 성능을 떨어뜨릴 수 있어요. 위의 두 버전은 각자 비효율적인 부분이 있습니다. 다음 연습 문제에서 C++ 버전으로 가기 전에, 먼저 벡터화를 활용한 버전을 작성해 보죠. 작업 공간에는 rollmean1(), rollmean2(), 그리고 임의 벡터 x가 준비되어 있어요. 이제 rollmean3()의 함수 정의를 완성하고, 이 함수들의 성능을 벤치마크해 보겠습니다.
이 연습은 강의의 일부입니다
Rcpp로 R 코드 최적화하기
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Complete the definition of rollmean3()
rollmean3 <- function(x, window = 3) {
# Add the first window elements of x
initial_total <- ___(head(x, window))
# The elements to add at each iteration
lasts <- tail(x, - window)
# The elements to remove
firsts <- head(x, - window)
# Take the initial total and add the
# cumulative sum of lasts minus firsts
other_totals <- ___ + ___(___ - firsts)
# Build the output vector
c(
rep(NA, window - 1), # leading NA
initial_total / ___, # initial mean
other_totals / ___ # other means
)
}