Сравнение значений в одном и том же положении двух одинаковых данных.frames в R

Question

Я новичок в R, поэтому я не уверен, что аналогичный вопрос уже задан, но поиск не дал мне ответа, который мне нужен.

Имея два вида данных. Кадры с таким же количеством столбцов (321) и строк (281), упорядоченными по широте и долготе. DF1 («Лендер») содержит немецкие государства в качестве символов. Это выглядит так:

lat\lon ... 8.70   8.75   8.80 ... 
...   
51.30   Hessen  Hessen  Hessen 
51.25   NRWestfalen Hessen  Hessen 
51.20   NRWestfalen NRWestfalen Hessen 
51.15   NRWestfalen Hessen  Hessen 
... 

DF2 ("df") содержит значения, упорядоченные одинаково. У меня разные DF2 для каждого часа года, и мне нужно получить средние значения для каждого немецкого государства. Она работает следующим образом:

Laender <- read.csv("path/file.csv", row.names = 1, check.names = F) 
df <- read.csv("path/file1.csv", row.names = 1, check.names = F) 

# XXtot <- 0 creating the needed variables 

for(i in 1:321){ 
    for(j in 1:281){ 
    BYtot <- ifelse(Laender[i,j]=="Bayern", BYtot + df[i,j], BYtot) 
    SDtot <- ifelse(Laender[i,j]=="Saarland", SDtot + df[i,j], SDtot) 
    BWtot <- ifelse(Laender[i,j]=="BadenW", BWtot + df[i,j], BWtot) 
    STtot <- ifelse(Laender[i,j]=="SAnhalt", STtot + df[i,j], STtot) 
    SNtot <- ifelse(Laender[i,j]=="Sachsen", SNtot + df[i,j], SNtot) 
    MVtot <- ifelse(Laender[i,j]=="MVorpommern", MVtot + df[i,j], MVtot) 
    NRWtot <- ifelse(Laender[i,j]=="NRWestfalen", NRWtot + df[i,j], NRWtot) 
    BEtot <- ifelse(Laender[i,j]=="Berlin", BEtot + df[i,j], BEtot) 
    HHtot <- ifelse(Laender[i,j]=="Hamburg", HHtot + df[i,j], HHtot) 
    HBtot <- ifelse(Laender[i,j]=="Bremen", HBtot + df[i,j], HBtot) 
    SHtot <- ifelse(Laender[i,j]=="SHolstein", SHtot + df[i,j], SHtot) 
    NStot <- ifelse(Laender[i,j]=="Niedersachsen", NStot + df[i,j], NStot) 
    HEtot <- ifelse(Laender[i,j]=="Hessen", HEtot + df[i,j], HEtot) 
    THtot <- ifelse(Laender[i,j]=="Thueringen", THtot + df[i,j], THtot) 
    RPtot <- ifelse(Laender[i,j]=="RPfalz", RPtot + df[i,j], RPtot) 
    BRtot <- ifelse(Laender[i,j]=="Brandenburg", BRtot + df[i,j], BRtot) 
    } 
} 

Это даст мне суммарные значения для каждого немецкого государства, и я могу вычислить среднее значение после этого, но это занимает слишком много времени, так как я должен сделать процедуру со всеми 8760 версий DF2.

Надеюсь, есть более простой и быстрый способ сделать это.

Answer 1

Это то, что tapply() предназначено для. Вот демо, используя рандомизированные данные (так широта/долгота позиции и государственные названия не соответствуют действительности):

states <- c('Bayern','Saarland','BadenW','SAnhalt','Sachsen','MVorpommern','NRWestfalen','Berlin','Hamburg','Bremen','SHolstein','Niedersachsen','Hessen','Thueringen','RPfalz','Brandenburg'); 
lats <- seq(51.30,by=-0.05,len=281); 
lons <- seq(8.70,by=0.05,len=321); 
set.seed(1); 
Laender <- as.data.frame(matrix(sample(states,length(lats)*length(lons),replace=T),length(lats),dimnames=list(sprintf('%.2f',lats),sprintf('%.2f',lons)))); 
df <- as.data.frame(matrix(pmax(0,round(rnorm(length(lats)*length(lons),5,20))),length(lats),dimnames=list(sprintf('%.2f',lats),sprintf('%.2f',lons)))); 
Laender[1:6,1:6]; 
##    8.70  8.75   8.80   8.85  8.90  8.95 
## 51.30  Sachsen  Hamburg MVorpommern  Berlin  Hessen Hessen 
## 51.25 MVorpommern  RPfalz Niedersachsen  Berlin  RPfalz Berlin 
## 51.20  Bremen MVorpommern  RPfalz NRWestfalen  Sachsen Bayern 
## 51.15  RPfalz  Bayern Niedersachsen  Bayern  Berlin BadenW 
## 51.10  SAnhalt  BadenW  SAnhalt  SHolstein  Sachsen BadenW 
## 51.05  RPfalz MVorpommern  SHolstein Niedersachsen MVorpommern Saarland 
df[1:6,1:6]; 
##  8.70 8.75 8.80 8.85 8.90 8.95 
## 51.30 16 1 0 14 0 5 
## 51.25 24 0 11 0 27 0 
## 51.20 15 0 0 13 0 25 
## 51.15 0 21 0 21 2 0 
## 51.10 30 0 0 15 0 0 
## 51.05 0 0 0 31 0 0 
tapply(as.matrix(df),as.matrix(Laender),mean); 
##  BadenW  Bayern  Berlin Brandenburg  Bremen 
##  10.35327  10.30455  10.80498  11.09401  10.57423 
##  Hamburg  Hessen MVorpommern Niedersachsen NRWestfalen 
##  11.05088  10.55788  10.66969  10.90239  11.09304 
##  RPfalz  Saarland  Sachsen  SAnhalt  SHolstein 
##  10.54924  10.48975  10.87170  10.49251  10.51719 
## Thueringen 
##  10.52608 

Я также рекомендовал бы принуждать к матрице сразу после считывания данных из CSV, так как эти таблицы действительно более подходят для типа матрицы, чем тип data.frame. Это связано с тем, что у вас нет гетерогенных столбцов; все столбцы и типы столбцов являются однородными, что характерно для матрицы. Я бы просто обернуть read.csv() звонки в as.matrix():

Laender <- as.matrix(read.csv('path/file.csv',row.names=1,check.names=F)); 
df <- as.matrix(read.csv('path/file1.csv',row.names=1,check.names=F)); 

Тогда вы могли бы опустить as.matrix() вызовы в tapply() линии, так что он стал бы очень кратким: tapply(df,Laender,mean);.

---

Кроме того, просто добавить одну вещь, если ты хочешь, чтобы вычислить средние значения вручную, есть лучший способ, чем цикл по каждой клетке: Вы можете сравнить Laender против государственного имени, чтобы получить логическую матрицу, то индекс df с тем, чтобы получить значения для этого состояния, а затем взять среднее значение:

mean(df[Laender=='BadenW']); 
## [1] 10.35327 

и в самом деле, комбинируя выше с c(), unique() и sapply(), мы можем выполнить все задачи без помощи tapply() :

sapply(unique(c(as.matrix(Laender))),function(s) mean(df[Laender==s])); 
##  Sachsen MVorpommern  Bremen  RPfalz  SAnhalt 
##  10.87170  10.66969  10.57423  10.54924  10.49251 
## Brandenburg  SHolstein  Bayern  BadenW NRWestfalen 
##  11.09401  10.51719  10.30455  10.35327  11.09304 
##  Hessen  Berlin Niedersachsen Thueringen  Saarland 
##  10.55788  10.80498  10.90239  10.52608  10.48975 
##  Hamburg 
##  11.05088