Media propagată înainte

O alternativă la metoda ultimei observații propagate înainte este înlocuirea valorilor NA cu media tuturor valorilor non-NA anterioare. Aceasta se numește medie propagată înainte. Ca de obicei, R ne pune să alegem între lizibilitate și viteză. Varianta de mai jos este scrisă pentru lizibilitate:

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
}

Natura iterativă a acestui algoritm face vectorizarea dificilă, așa că haideți să îl convertim în C++. Completează definiția funcției na_meancf2(), o traducere în C++ a funcției na_meancf1().

Acest exercițiu face parte din cursul

Optimizarea codului R cu Rcpp

Vezi cursul

Instrucțiuni pentru exercițiu

În condiția if, verifică dacă elementul de pe poziția i din x este un NA de tip NumericVector.
Dacă condiția este adevărată, setează rezultatul de pe poziția i ca fiind totalul valorilor non-lipsă, total_not_na, împărțit la numărul valorilor lipsă, n_not_na.
Altfel, crește total_not_na cu elementul de pe poziția i din x și adaugă 1 la n_not_na.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

#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
  )
*/

Editează și rulează codul