我想按时间间隔聚合数据帧,对每列应用不同的函数。我想我差点把aggregate
放下来,并用chron
包将我的数据分成间隔,这很容易。
但我不知道如何处理子集。所有的映射函数,*apply
,*ply
,都采用了一个函数(我希望能够使用一个函数向量来应用每列或变量,但是没有找到一个函数)所以我正在编写一个函数我的数据框子集,并给我所有变量的均值,除了“时间”,这是索引,“径流”应该是总和。
我试过这个:
aggregate(d., list(Time=trunc(d.$time, "00:10:00")), function (dat) with(dat,
list(Time=time[1], mean(Port.1), mean(Port.1.1), mean(Port.2), mean(Port.2.1),
mean(Port.3), mean(Port.3.1), mean(Port.4), mean(Port.4.1), Runoff=sum(Port.5))))
即使它没有给我这个错误,这将是丑陋的:
Error in eval(substitute(expr), data, enclos = parent.frame()) :
not that many frames on the stack
这告诉我,我真的做错了什么。从我所看到的R中我认为必须有一种优雅的方式来做到这一点,但它是什么?
dput:
d. <- structure(list(time = structure(c(15030.5520833333, 15030.5555555556,
15030.5590277778, 15030.5625, 15030.5659722222), format = structure(c("m/d/y",
"h:m:s"), .Names = c("dates", "times")), origin = structure(c(1,
1, 1970), .Names = c("month", "day", "year")), class = c("chron",
"dates", "times")), Port.1 = c(0.359747, 0.418139, 0.417459,
0.418139, 0.417459), Port.1.1 = c(1.3, 11.8, 11.9, 12, 12.1),
Port.2 = c(0.288837, 0.335544, 0.335544, 0.335544, 0.335544
), Port.2.1 = c(2.3, 13, 13.2, 13.3, 13.4), Port.3 = c(0.253942,
0.358257, 0.358257, 0.358257, 0.359002), Port.3.1 = c(2,
12.6, 12.7, 12.9, 13.1), Port.4 = c(0.352269, 0.410609, 0.410609,
0.410609, 0.410609), Port.4.1 = c(5.9, 17.5, 17.6, 17.7,
17.9), Port.5 = c(0L, 0L, 0L, 0L, 0L)), .Names = c("time",
"Port.1", "Port.1.1", "Port.2", "Port.2.1", "Port.3", "Port.3.1",
"Port.4", "Port.4.1", "Port.5"), row.names = c(NA, 5L), class = "data.frame")
你的方法有很多问题。一般建议不是直截了当地认为最终语句应该是什么样子,而是以递增的方式工作,否则它会使调试(理解和修复错误)变得非常困难。
例如,您可以从以下开始:
aggregate(d., list(Time=trunc(d.$time, "00:10:00")), identity)
注意你的split变量有问题。显然aggregate
不喜欢使用这类数据。您可以通过将Time
转换为数字来解决此问题:
aggregate(d., list(Time=as.numeric(trunc(d.$time, "00:10:00"))), identity)
然后你可以试试
aggregate(d., list(Time=as.numeric(trunc(d.$time, "00:10:00"))), apply.fun)
其中apply.fun
是您的用户定义函数。这失败了一个相当危险的消息,但运行
aggregate(d., list(Time=as.numeric(trunc(d.$time, "00:10:00"))), print)
有助于意识到FUN
中的aggregate
函数没有为每个数据块调用一次(并传递一个data.frame),但是对于每个数据块的列调用一次(并传递一个未命名的向量),所以没有办法你可以使用aggregate
得到你想要的结果。
相反,您可以使用ddply
包中的plyr
函数。在那里,应用于每个部分的函数确实接收data.frame,因此您可以执行以下操作:
apply.fun <- function(dat) with(dat, data.frame(Time=time[1],
mean(Port.1),
mean(Port.1.1),
mean(Port.2),
mean(Port.2.1),
mean(Port.3),
mean(Port.3.1),
mean(Port.4),
mean(Port.4.1),
Runoff=sum(Port.5)))
d.$Time <- as.numeric(trunc(d.$time, "00:10:00"))
library(plyr)
ddply(d., "Time", apply.fun)
# Time mean.Port.1. mean.Port.1.1. mean.Port.2. mean.Port.2.1.
# 1 15030.5520833 0.4061886 9.82 0.3262026 11.04
# mean.Port.3. mean.Port.3.1. mean.Port.4. mean.Port.4.1. Runoff
# 1 0.337543 10.66 0.398941 15.32 0
编辑:在下面的第一条评论中跟进@roysc问题,您可以这样做:
apply.fun <- function(dat) {
out <- as.data.frame(lapply(dat, mean))
out$Time <- dat$time[1]
out$Runoff <- sum(dat$Port.5)
return(out)
}
使用by
而不是aggregate
。
如果qazxsw poi与你的匿名函数相同,除了它中的qazxsw poi被f
替换,以便list
然后:
data.frame
如果f <- function(dat) with(dat, data.frame(...whatever...))
添加名称本身而不仅仅是d.by <- by(d., list(Time = trunc(d.$time, "00:10:00")), f)
d.rbind <- do.call("rbind", d.by) # bind rows together
# fix up row and column names
rownames(d.rbind) <- NULL
colnames(d.rbind) <- colnames(d.)
,我们可以删除分配列名的最后一个语句。
这个怎么样?
f
另一种选择是使用一系列步骤,通过交替运行aggregate()然后使用merge()来完成基本R中的相同任务,如下所示:
Time
我忽略了其他响应中提出的问题,即组向量需要属于正确的类(此处为“timevar”),并且可能会更改列的排序。如果要在同一列上运行多个不同的函数以避免混淆具有相同名称的两个聚合列,则还需要在merge()之前进行一些重命名。