我想平均 R 中包含整数值和偶尔包含 NA 的数据帧中的列。
名为 CD6(Climate Division 6)的数据框使用 NA 值进行初始化,以存储属于气候分部 6 的所有数据的平均值。行是日期,列表示从 0 到 23 的小时数。数据框如下所示:
> CD6
Date H0 H1 H2 H3 H4 H5 H6 H7 H8 H9 H10 ... H23
1948-07-01 NA NA NA NA NA NA NA NA NA NA NA ... NA
1948-07-02 NA NA NA NA NA NA NA NA NA NA NA ... NA
1948-07-03 NA NA NA NA NA NA NA NA NA NA NA ... NA
名为 CA 的数据框具有所有气候分区的真实值,范围从 1 到 7。数据框如下所示:
> CA
Climate_Division Date H0 H1 H2 H3 H4 H5 H6 H7 H8 H9 H10 ... H23
6 1948-07-01 NA NA NA NA NA NA NA NA NA NA NA ... NA
5 1948-07-01 0 1 1 3 0 0 0 0 0 0 0 ... 2
6 1948-07-01 0 1 1 3 0 0 0 0 0 0 0 ... 2
6 1948-07-01 1 0 0 5 7 0 1 1 1 0 0 ... 0
6 1948-07-02 0 2 1 2 1 1 NA 0 1 0 1 ... 2
6 1948-07-03 NA NA NA NA NA NA NA NA NA NA NA ... NA
我有一个 for 循环编码,它将逐行遍历数据帧 CA 并映射到气候分区的正确数据帧(在本例中,气候分区 6 的 CD6)。一个问题是我不知道有多少行属于每个气候部门才能正确取平均值。
通过仅查看 CD6,我想获得特定时间的每个日期的平均值,如果存在真值并且最终答案是整数(值的上限),则不考虑 NA。如果各个气候部门的所有小时数都具有 NA 值,我想保留它以反对 0。CD6 的最终结果应该是这样的
> CD6
Date H0 H1 H2 H3 H4 H5 H6 H7 H8 H9 H10 ... H23
1948-07-01 1 1 1 4 4 0 1 1 1 0 0 ... 1
1948-07-02 0 2 1 2 1 1 NA 0 1 0 1 ... 2
1948-07-03 NA NA NA NA NA NA NA NA NA NA NA ... NA
我不知道如何编码并熟练使用它。因此,任何建议都会有所帮助,并感谢您的时间。
最佳答案
您正在寻找的是通过对 CA
的两列进行分组来进行聚合的方法。即 Climate_Division
和 Date
.您可以使用内置 aggregate
功能来做到这一点。
> t <- 'Climate_Division Date H0 H1 H2 H3 H4 H5 H6 H7 H8 H9 H10
+ 6 1948-07-01 NA NA NA NA NA NA NA NA NA NA NA
+ 5 1948-07-01 0 1 1 3 0 0 0 0 0 0 0
+ 6 1948-07-01 0 1 1 3 0 0 0 0 0 0 0
+ 6 1948-07-01 1 0 0 5 7 0 1 1 1 0 0
+ 6 1948-07-02 0 2 1 2 1 1 NA 0 1 0 1
+ 6 1948-07-03 NA NA NA NA NA NA NA NA NA NA NA'
>
> CA <- read.table(textConnection(t), header=T)
>
> CA
Climate_Division Date H0 H1 H2 H3 H4 H5 H6 H7 H8 H9 H10
1 6 1948-07-01 NA NA NA NA NA NA NA NA NA NA NA
2 5 1948-07-01 0 1 1 3 0 0 0 0 0 0 0
3 6 1948-07-01 0 1 1 3 0 0 0 0 0 0 0
4 6 1948-07-01 1 0 0 5 7 0 1 1 1 0 0
5 6 1948-07-02 0 2 1 2 1 1 NA 0 1 0 1
6 6 1948-07-03 NA NA NA NA NA NA NA NA NA NA NA
> #Now that we have our data, we do aggregation of data and calculate mean over that using following command
> CAMeans <- aggregate(CA[,3:13], by =list(CA[,1], CA[,2]), FUN = mean, na.rm = TRUE)
>
> CAMeans
Group.1 Group.2 H0 H1 H2 H3 H4 H5 H6 H7 H8 H9 H10
1 5 1948-07-01 0.0 1.0 1.0 3 0.0 0 0.0 0.0 0.0 0 0
2 6 1948-07-01 0.5 0.5 0.5 4 3.5 0 0.5 0.5 0.5 0 0
3 6 1948-07-02 0.0 2.0 1.0 2 1.0 1 NaN 0.0 1.0 0 1
4 6 1948-07-03 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
>
> #Need to change the names of grouping column back to what they were before
> names(CAMeans)[1:2] <- c('Climate_Division', 'Date')
>
> CAMeans
Climate_Division Date H0 H1 H2 H3 H4 H5 H6 H7 H8 H9 H10
1 5 1948-07-01 0.0 1.0 1.0 3 0.0 0 0.0 0.0 0.0 0 0
2 6 1948-07-01 0.5 0.5 0.5 4 3.5 0 0.5 0.5 0.5 0 0
3 6 1948-07-02 0.0 2.0 1.0 2 1.0 1 NaN 0.0 1.0 0 1
4 6 1948-07-03 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
>
> #Now you can subset CAMeans to get content for CD6
> CD6 <- CAMeans[CAMeans$Climate_Division == 6, 2:ncol(CAMeans)]
>
> CD6
Date H0 H1 H2 H3 H4 H5 H6 H7 H8 H9 H10
2 1948-07-01 0.5 0.5 0.5 4 3.5 0 0.5 0.5 0.5 0 0
3 1948-07-02 0.0 2.0 1.0 2 1.0 1 NaN 0.0 1.0 0 1
4 1948-07-03 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
关于r - R中数据框中的平均列,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/14993571/