在 R 中集成采样数据

Question

我有一些随时间推移采样的测量数据，想要将其集成，测试数据集 包含约 100000 个样本（~100s，1000Hz）的数据。

我的第一种方法是（table包含时间戳（0..100s）和每个数据点的值（都是doubles）），

# test dataset available (gzipped, 720k) here: http://tux4u.de/so.rtab.gz
table <- read.table("/tmp/so.rtab", header=TRUE)
time <- table$t
data <- table$val
start <- min(time)
stop <- max(time)
sampling_rate <- 1000
divs <- (max(time) - min(time)) * sampling_rate
data_fun <- approxfun(time, data, method="linear", 0, 0)
result <- integrate(data_fun, start, stop, subdivisions=divs)

但不知何故集成永远运行（就像无限循环并完全耗尽一个 CPU）。所以我查看了这些值：

> start
[1] 0
> stop
[1] 98.99908
> divs
[1] 98999.08

奇怪的是，当我评估

> integrate(data_fun, 0, 98, subdivisions=100000)$value + integrate(data_fun, 98, 99)$value
[1] 2.640055

它时，它有效（计算时间<3秒），但以下评估（应该相同）

> integrate(data_fun, 0, 99, subdivisions=100000)$value

也永远不会终止。甚至这个（实际上是上面工作的一个子积分）也不会终止：

> integrate(data_fun, 0, 89, subdivisions=100000)$value

对我来说，它何时工作和何时不工作似乎有点随机。我做错了什么或者我可以以某种方式改进这个过程吗？

谢谢！

（提示：采样点不一定均匀分布）

Answer 1

Ekhem，你知道你可以总结一下吗？ cumsum 会很快做到这一点：

cumsum(table$val)*diff(table$t)[1]

对于不相等的差异，您可以使用：

cumsum(table$val[-nrow(table)]*diff(table$t))

不需要更复杂的数字，因为这种情况下的数据采样非常密集；尽管如此，总会有比通过插值器更好的方法。