每第n行每日信息的平均列数

-4

我在R上很新。我每天都会观察12年的温度和PP（6574行，6col，一些NA）。例如，我想计算一下，例如，我在前面提到的每一年的每个月的平均值，从2001年1月1日至10日，然后是11-20日，最后是21日至31日等。每第n行每日信息的平均列数

但我也有问题，因为2月有时有28或29天（闰年）。

这是我打开我的文件是一个CSV，与read.table

# READ CSV 
setwd ("C:\\Users\\GVASQUEZ\\Documents\\ESTUDIO_PAMPAS\\R_sheet") 

huancavelica<-read.table("huancavelica.csv",header = TRUE, sep = ",", 
         dec = ".", fileEncoding = "latin1", nrows = 6574)

这是我的CSV的输出文件

 Año Mes Dia PT101 TM102 TM103  
1 1998 1 1 6.0 15.6 3.4 
2 1998 1 2 8.0 14.4 3.2 
3 1998 1 3 8.6 13.8 4.4 
4 1998 1 4 5.6 14.6 4.6 
5 1998 1 5 0.4 17.4 3.6 
6 1998 1 6 3.4 17.4 4.4 
7 1998 1 7 9.2 14.6 3.2 
8 1998 1 8 2.2 16.8 2.8 
9 1998 1 9 8.6 18.4 4.4 
10 1998 1 10 6.2 15.0 3.6 
. . . . .  .  .

来源

2016-04-22 Guisseppe

欢迎计算器。如果你把你的代码作为文本而不是图像，人们会欣赏它，而不是发布你的代码的图片。这使得检查更容易。 – lmo

谢谢你的建议我会做@lmo – Guisseppe

我想一个简单的方法是创建一个新的列，1到10天，然后2为11到20，3为> 20。调用列' x'，然后尝试类似'aggregate（TM102〜Mes + x，data = huancavelica，mean）'。有可能有更好的方法，但这是一个简单的方法。另见'？聚合'或像[这一个]的问题（http://stackoverflow.com/questions/21982987/mean-per-group-in-a-data-frame）。 – Laterow

随着数据设置，你有一个相当尝试和真正的方法应该工作：

# add 0 in front of single digit month variable to account for 1 and 10 sorting 
huancavelica$MesChar <- ifelse(nchar(huancavelica$Mes)==1, 
        paste0("0",huancavelica$Mes), as.character(huancavelica$Mes)) 

# get time of month ID 
huancavelica$timeMonth <- ifelse(huancavelica$Dia < 11, 1, 
          ifelse(huancavelica$Dia > 20, 3, 2) 
# get final ID 
huancavelica$ID <- paste(huancavelica$Año, huancavelica$MesChar, huancavelica$timeMonth, sep=".") 
# average stat 
huancavelica$myStat <- ave(huancavelica$PT101, huancavelica$ID, FUN=mean, na.rm=T)

来源

2016-04-22 16:56:32 lmo

非常感谢。这是工作。最后一个问题，如果我想要的是总和而不是平均数，那么我可以使用另一个带有“组合和因子水平组合”的函数。 – Guisseppe

非常感谢，它完美的作品。 – Guisseppe

我们可以尝试

library(data.table) 
setDT(df1)[, Grp := (Dia - 1)%/%10+1, by = .(Ano, Mes) 
     ][Grp>3, Grp := 3][,lapply(.SD, mean, na.rm=TRUE), by = .(Ano, Mes, Grp)]

来源

2016-04-22 16:08:34 akrun

它增加了一点复杂性，但你可以将每个月减少到三分之一，并获得平均每三分之一。例如：

library(dplyr) 
library(lubridate) 

# Fake data 
set.seed(10) 
df = data.frame(date=seq(as.Date("2015-01-01"), as.Date("2015-12-31"), by="1 day"), 
       value=rnorm(365)) 

# Cut months into thirds 
df = df %>% 
    mutate(mon_yr = paste0(month(date, label=TRUE, abbr=TRUE) , " ", year(date))) %>% 
    group_by(mon_yr) %>% 
    mutate(cutMonth = cut(day(date), 
         breaks=c(0, round(1/3*n()), round(2/3*n()), n()), 
         labels=c("1st third","2nd third","3rd third")), 
     cutMonth = paste0(mon_yr, ", ", cutMonth)) %>% 
    ungroup %>% 
    mutate(cutMonth = factor(cutMonth, levels=unique(cutMonth)))

  date  value   cutMonth 
    1 2015-01-01 0.01874617 Jan 2015, 1st third 
    2 2015-01-02 -0.18425254 Jan 2015, 1st third 
    3 2015-01-03 -1.37133055 Jan 2015, 1st third 
... 
363 2015-12-29 -1.3996571 Dec 2015, 3rd third 
364 2015-12-30 -1.2877952 Dec 2015, 3rd third 
365 2015-12-31 -0.9684155 Dec 2015, 3rd third

# Summarise to get average value for each 1/3 of a month 
df.summary = df %>% 
    group_by(cutMonth) %>% 
    summarise(average.value = mean(value))

   cutMonth average.value 
1 Jan 2015, 1st third -0.49065685 
2 Jan 2015, 2nd third 0.28178222 
3 Jan 2015, 3rd third -1.03870698 
4 Feb 2015, 1st third -0.45700203 
5 Feb 2015, 2nd third -0.07577199 
6 Feb 2015, 3rd third 0.33860882 
7 Mar 2015, 1st third 0.12067388 
...

来源

2016-04-22 17:13:18 eipi10

每第n行每日信息的平均列数

回答

相关问题