La documentazione relativa a approxfun
indica che è "spesso più utile di approx
". Sto lottando per ottenere la mia testa intorno allo approxfun
. Quando sarebbe approxfun
più utile di approx
(e quando sarebbe approx
essere più utile)?Quando utilizzare approxfun rispetto a
11
A
risposta
16
approx
restituisce il valore della funzione approssimata in (uno) punti specificati o in un dato numero di punti. approxfun
restituisce una funzione che può quindi essere valutata in alcuni punti specifici. Se hai bisogno dell'approssimazione in punti che sai al momento di fare l'approssimazione, approx
lo farà per te. Se hai bisogno di una funzione (in senso matematico) che restituirà il valore dell'approssimazione per alcuni argomenti dati in seguito, approxfun
è ciò di cui hai bisogno.
Ecco alcuni esempi.
dat <- data.frame(x=1:10, y=(1:10)^2)
L'uscita dal approx
e approxfun
utilizzando questi dati
> approx(dat$x, dat$y)
$x
[1] 1.000000 1.183673 1.367347 1.551020 1.734694 1.918367 2.102041
[8] 2.285714 2.469388 2.653061 2.836735 3.020408 3.204082 3.387755
[15] 3.571429 3.755102 3.938776 4.122449 4.306122 4.489796 4.673469
[22] 4.857143 5.040816 5.224490 5.408163 5.591837 5.775510 5.959184
[29] 6.142857 6.326531 6.510204 6.693878 6.877551 7.061224 7.244898
[36] 7.428571 7.612245 7.795918 7.979592 8.163265 8.346939 8.530612
[43] 8.714286 8.897959 9.081633 9.265306 9.448980 9.632653 9.816327
[50] 10.000000
$y
[1] 1.000000 1.551020 2.102041 2.653061 3.204082 3.755102
[7] 4.510204 5.428571 6.346939 7.265306 8.183673 9.142857
[13] 10.428571 11.714286 13.000000 14.285714 15.571429 17.102041
[19] 18.755102 20.408163 22.061224 23.714286 25.448980 27.469388
[25] 29.489796 31.510204 33.530612 35.551020 37.857143 40.244898
[31] 42.632653 45.020408 47.408163 49.918367 52.673469 55.428571
[37] 58.183673 60.938776 63.693878 66.775510 69.897959 73.020408
[43] 76.142857 79.265306 82.551020 86.040816 89.530612 93.020408
[49] 96.510204 100.000000
> approxfun(dat$x, dat$y)
function (v)
.C(C_R_approxfun, as.double(x), as.double(y), as.integer(n),
xout = as.double(v), as.integer(length(v)), as.integer(method),
as.double(yleft), as.double(yright), as.double(f), NAOK = TRUE,
PACKAGE = "stats")$xout
<bytecode: 0x05244854>
<environment: 0x030632fc>
ulteriori esempi di utilizzo:
a <- approx(dat$x, dat$y)
af <- approxfun(dat$x, dat$y)
plot(dat)
points(a, pch=2)
plot(dat)
curve(af, add=TRUE)
o un altro esempio in cui è necessaria una funzione:
> uniroot(function(x) {af(x)-4}, interval=c(1,10))
$root
[1] 1.999994
$f.root
[1] -1.736297e-05
$iter
[1] 24
$estim.prec
[1] 6.103516e-05
Problemi correlati
- 1. Quando utilizzare IModelBinder rispetto a DefaultModelBinder
- 2. Quando utilizzare Marionette rispetto a Backbone puro
- 3. Quando utilizzare template rispetto all'ereditarietà
- 4. Quando utilizzare una proprietà rispetto a un metodo?
- 5. Quando utilizzare le sottoquery SQL rispetto a un join standard?
- 6. Quando utilizzare "import * as Foo" rispetto a "import Foo"?
- 7. ASP.NET MVC 2 - Quando utilizzare i modelli rispetto a quando utilizzare le viste parziali
- 8. Quando utilizzare un ORM (Sequel, Datamapper, AR, ecc.) Rispetto a puro SQL per query
- 9. Quando è appropriato utilizzare un array di celle rispetto a una struct in Matlab?
- 10. Quando utilizzare MVC4 Web-API rispetto a un servizio Web HTTP tradizionale?
- 11. Quando è opportuno utilizzare un tipo associato rispetto a un tipo generico?
- 12. Quando utilizzare un archivio dati valore-chiave rispetto a un DB relazionale più tradizionale?
- 13. UIStoryboardSegue rispetto a presentviewcontroller?
- 14. Uguale a (=) rispetto a LIKE
- 15. MEF rispetto a qualsiasi IoC
- 16. Ricerca casuale rispetto a GridSearchCV
- 17. Quando usare() rispetto a 'come' per cambiare tipo?
- 18. Quando dovrei usare make_heap rispetto a Priority Queue?
- 19. Lucene Field.Store.YES rispetto a Field.Store.NO
- 20. YAML rispetto a XML
- 21. Crucible rispetto a Gerrit?
- 22. @ "" rispetto a [NSString string]
- 23. JSON.stringify rispetto a serializzazione
- 24. TopLink 11g rispetto a EclipseLink
- 25. Dipendenze circolari rispetto a DRY
- 26. Array dattiloscritto rispetto a qualsiasi []
- 27. Python __str__ rispetto a __unicode__
- 28. T-SQL - Aliasing utilizzando "=" rispetto a "come"
- 29. Quando non riesco a utilizzare ConfigureAwait (false)?
- 30. Errore di stampa rispetto a Exception.getMessage