Как вычислить среднее значение для конкретных дней?

Если у нас есть данные за три года:Как вычислить среднее значение для конкретных дней?

Дат = (x1: x1096)

Я хочу, чтобы вычислить среднем этот путь:

 [x1+x366(the first day in the second year)+ x731(the first day in the third year)]/3 
    [x2+x367(the second day in the second year)+ x732(the second day in the third year)]/3

и так далее до дня 365:

 [x365+x730(the last day in the second year)+ x1096(the last day in the third year)]/3

окончательно я получу 365 values из этого.

 dat= c(1:1096)

Любая идея о том, как это сделать?

источник

2013-10-09 hyat

Предоставьте больше информации или скачайте его. Неясно, как вы храните данные в 'dat'. – alap

Пожалуйста, помогите нам помочь вам, предоставив нам воспроизводимый пример (например, данные кода и примера), см. Http://stackoverflow.com/questions/5963269/how-to-make-a-great-r-reproducible-example для Детали. –

Если вы используете «365» вместо, скажем, проверенные функции в «lubridate», вам будет жаль каждый год президентских выборов. –

data.table приходит очень удобно здесь: (хотя базовое решение R прекрасно выполнимо!):

> set.seed(1) 
> dat <- data.table(date=seq(as.Date("2010-01-01"), as.Date("2012-12-31"), "days"), 
+     var=rnorm(1096)) 
> dat 
      date   var 
    1: 2010-01-01 -0.626453811 
    2: 2010-01-02 0.183643324 
    3: 2010-01-03 -0.835628612 
    4: 2010-01-04 1.595280802 
    5: 2010-01-05 0.329507772 
    ---       
1092: 2012-12-27 0.711213964 
1093: 2012-12-28 -0.337691156 
1094: 2012-12-29 -0.009148952 
1095: 2012-12-30 -0.125309208 
1096: 2012-12-31 -2.090846097 

> dat[, mean(var), by=list(month=month(date), mday(date))] 
    month mday   V1 
    1:  1 1 -0.16755484 
    2:  1 2 0.59942582 
    3:  1 3 -0.44336168 
    4:  1 4 0.01297244 
    5:  1 5 -0.20317854 
---      
362: 12 28 -0.18076284 
363: 12 29 0.07302903 
364: 12 30 -0.01790655 
365: 12 31 -0.87164859 
366:  2 29 -0.78859794

29 февраля в конце, потому что, когда [.data.table сделали группы в этот день последней уникальной комбинацией (month(date) и mday(date)), она появилась впервые, в 2012 году. После того, как вы получили свой результат, вы можете назначить ключи и так далее сортировать таблицу:

> result <- dat[, mean(var), by=list(month=month(date), mday(date))] 
> setkey(result, month, mday) 
> result 
    month mday   V1 
    1:  1 1 -0.16755484 
    2:  1 2 0.59942582 
    3:  1 3 -0.44336168 
    4:  1 4 0.01297244 
    5:  1 5 -0.20317854 
---      
362: 12 27 -0.60348463 
363: 12 28 -0.18076284 
364: 12 29 0.07302903 
365: 12 30 -0.01790655 
366: 12 31 -0.87164859

источник

2013-10-09 11:44:10 Michele

Хороший ответ, +1! – Henrik

Возможно, так? Я попробовал это на немного меньшем примере, чем ваш вектор 1:1096. Вместо этого я использовал 5 значений в год.

# the data, here 3 years with 5 values per year. 
dat <- 1:15 

# put your vector in a matrix 
# by default, the matrix is filled column-wise 
# thus, each column corresponds to a year, and each row to day of year 
mm <- matrix(dat, ncol = 3) 

# calculate row means 
mm <- cbind(mm, rowMeans(mm)) 
mm 
#  [,1] [,2] [,3] [,4] 
# [1,] 1 6 11 6 
# [2,] 2 7 12 7 
# [3,] 3 8 13 8 
# [4,] 4 9 14 9 
# [5,] 5 10 15 10

Update Другой base альтернатива, которая учитывает високосные годы, используя то же самое (т.е. set.seed(1)) 'полные' данные @ ответ Микеле:

df2 <- aggregate(var ~ format(date, "%m-%d"), data = dat, FUN = mean) 
head(df2) 

# format(date, "%m-%d")   var 
# 1     01-01 -0.16755484 
# 2     01-02 0.59942582 
# 3     01-03 -0.44336168 
# 4     01-04 0.01297244 
# 5     01-05 -0.20317854 
# 6     01-06 -0.55350137

источник

2013-10-09 10:33:31 Henrik

Я думаю, что это не очень хорошо справляется с високосными годами – Michele

@Michele, большое спасибо за ваш комментарий! Нет, конечно, он не справляется с високосными годами. Я просто сделал свое решение с учетом помещений, установленных в OP: 3 * 365 дней. – Henrik

Я вижу, ты прав. При условии, что данные сортируются соответственно, ваш ответ предоставляет общий и простой метод для такого рода агрегации данных (не обязательно с указанием дат). – Michele

Вот base решение, которое учитывает високосные годы:

# First your data 
set.seed(1) 
dat <- rnorm(1096) #Value for each day 
day <- seq(as.Date("2010-01-01"), as.Date("2012-12-31"), "days") #Corresponding days 

sapply(split(dat,format(day,"%m-%d")),mean) 
     01-01  01-02  01-03  01-04  01-05  01-06  01-07  01-08  01-09 
-0.167554841 0.599425816 -0.443361675 0.012972442 -0.203178536 -0.553501370 0.563475994 -0.094459075 0.567263811 
     01-10  01-11  01-12  01-13  01-14  01-15  01-16  01-17  01-18 
-0.325835336 -0.247226807 -0.272224241 0.171886332 -0.562604980 0.640473418 -0.209380261 0.709635402 -0.263715734 
     01-19  01-20  01-21  01-22  01-23  01-24  01-25  01-26  01-27 
0.929096171 1.173422823 -0.197411808 -0.730959553 -0.277022971 -1.075673025 -0.494038031 -0.255709319 0.827062779 
     01-28  01-29  01-30  01-31  02-01  02-02  02-03  02-04  02-05 
0.208963353 0.215192803 -0.118735162 0.141028516 0.703267761 -0.282852177 -0.297731589 -0.112031601 0.784073396 
     02-06  02-07  02-08  02-09  02-10  02-11  02-12  02-13  02-14 
0.714499179 0.206640777 0.283234842 -0.255182989 -0.293285997 -0.761585755 0.443379228 1.138436815 -0.483004921 
     02-15  02-16  02-17  02-18  02-19  02-20  02-21  02-22  02-23 
-0.692188333 0.701422889 0.677544133 -0.423576371 0.498868978 0.053960271 0.518228979 -0.250840385 -0.722647734 
     02-24  02-25  02-26  02-27  02-28  02-29  03-01  03-02  03-03 
1.344507325 0.693403586 -0.226489715 -0.406929668 -0.171335064 -0.788597935 0.115894011 1.798749522 -0.502676829 
     03-04  03-05  03-06  03-07  03-08  03-09  03-10  03-11  03-12 
0.244453933 -0.278023124 -0.817932086 -0.618472996 -0.842995408 -0.887451556 0.432459430 0.559562525 -0.516256302 
     03-13  03-14  03-15  03-16  03-17  03-18  03-19  03-20  03-21 
0.392447923 0.191049834 -0.727128826 -0.261740657 -0.189455949 0.775326029 0.236835450 -0.266491426 -0.010319849 
     03-22  03-23  03-24  03-25  03-26  03-27  03-28  03-29  03-30 
-0.949967889 -0.277676523 -0.556777524 -0.507373521 0.076952129 0.697147181 -0.416867359 -0.906909972 -0.231494410 
     03-31  04-01  04-02  04-03  04-04  04-05  04-06  04-07  04-08 
-0.453616811 0.158367456 0.670354625 -0.285493660 -0.040162162 0.762953404 -0.388049908 1.079423205 -0.246508050 
     04-09  04-10  04-11  04-12  04-13  04-14  04-15  04-16  04-17 
-0.215358691 -0.337611847 0.486368813 0.115883308 -0.282207017 0.614554509 0.531435739 1.063455284 -0.199968099 
     04-18  04-19  04-20  04-21  04-22  04-23  04-24  04-25  04-26 
-0.080662691 -0.052822528 1.679629547 -1.341639141 0.986160744 0.468143827 0.029621883 -0.025910053 0.061093981 
     04-27  04-28  04-29  04-30  05-01  05-02  05-03  05-04  05-05 
-0.387992910 -0.917561336 0.161867089 0.874549452 0.866708261 0.048304939 -1.209756576 -0.825689257 -0.176605953 
     05-06  05-07  05-08  05-09  05-10  05-11  05-12  05-13  05-14 
-0.381265758 0.419105218 -0.440418731 -0.293923704 1.427366374 -0.020773738 -0.358619841 -0.294738750 -0.269765222 
     05-15  05-16  05-17  05-18  05-19  05-20  05-21  05-22  05-23 
0.277361477 -0.505072373 -0.765572754 -0.493223200 -0.253297588 0.902399037 0.007676731 -0.273059247 -0.784701888 
     05-24  05-25  05-26  05-27  05-28  05-29  05-30  05-31  06-01 
0.063532445 -0.681369105 -1.034300631 0.689037398 -0.209889037 -0.535166412 -0.994984541 0.438795387 -0.167806908 
     06-02  06-03  06-04  06-05  06-06  06-07  06-08  06-09  06-10 
0.079629296 -0.063908968 0.484892252 -0.922112094 0.978258635 -0.790949931 -0.303356059 0.681310315 -0.512109593 
     06-11  06-12  06-13  06-14  06-15  06-16  06-17  06-18  06-19 
0.337126461 0.526594905 0.742784618 -0.163083706 0.027435241 0.709630255 -1.144544436 -0.374108608 0.102721328 
     06-20  06-21  06-22  06-23  06-24  06-25  06-26  06-27  06-28 
0.577569049 0.224528626 0.206667019 0.392007605 -0.557974448 0.068685789 0.460201512 1.101334023 0.035838933 
     06-29  06-30  07-01  07-02  07-03  07-04  07-05  07-06  07-07 
0.873903793 -0.586658280 -0.395094221 0.303312480 -0.631756580 0.088308518 0.046129624 0.642985443 -0.615693218 
     07-08  07-09  07-10  07-11  07-12  07-13  07-14  07-15  07-16 
0.372776652 0.453644860 0.466905164 -0.526930331 -0.351139797 0.250132593 -0.881175203 -1.090136940 0.409708249 
     07-17  07-18  07-19  07-20  07-21  07-22  07-23  07-24  07-25 
0.206436178 0.056134229 -0.057927905 0.807127686 0.423170493 -0.325181464 -0.053593067 0.261438323 0.520617153 
     07-26  07-27  07-28  07-29  07-30  07-31  08-01  08-02  08-03 
0.053800701 0.326492953 -0.471839346 0.438963172 0.499502012 0.620917026 0.619923442 -1.422177067 0.212056501 
     08-04  08-05  08-06  08-07  08-08  08-09  08-10  08-11  08-12 
0.497181456 0.703607380 -0.054104370 0.931407619 0.545759743 -0.323646872 0.127371847 0.017697636 -0.033060879 
     08-13  08-14  08-15  08-16  08-17  08-18  08-19  08-20  08-21 
-0.583034512 0.824859915 -0.019064796 -0.226035270 -1.026526076 -0.882074229 -0.079167867 -2.073168805 0.378121135 
     08-22  08-23  08-24  08-25  08-26  08-27  08-28  08-29  08-30 
-0.004516521 -0.661187139 0.339497500 -0.042210229 0.026970585 0.0.104619786 0.149562359 -0.473661114 
     08-31  09-01  09-02  09-03  09-04  09-05  09-06  09-07  09-08 
-0.235250025 -0.624645896 0.141205349 -0.485201261 0.097633486 0.462059099 -0.500082678 1.386621118 -0.070895288 
     09-09  09-10  09-11  09-12  09-13  09-14  09-15  09-16  09-17 
-0.126090048 -0.371028573 -0.010479329 0.192555782 0.025085776 -1.410061589 1.046273116 0.938254501 -0.072773342 
     09-18  09-19  09-20  09-21  09-22  09-23  09-24  09-25  09-26 
-0.272947102 0.279357832 0.172702983 0.219560592 0.922992902 -0.612832806 -0.450896711 -1.134353324 -0.336199724 
     09-27  09-28  09-29  09-30  10-01  10-02  10-03  10-04  10-05 
-0.459242718 0.049888664 0.079844541 -0.058636867 0.581553407 -0.315806482 -0.163864166 -1.513984901 0.069093641 
     10-06  10-07  10-08  10-09  10-10  10-11  10-12  10-13  10-14 
-0.325709367 0.114176104 -0.470510646 -0.393891025 -0.659031395 -0.224657523 -0.336803115 -0.510526475 -0.941899166 
     10-15  10-16  10-17  10-18  10-19  10-20  10-21  10-22  10-23 
0.559205646 0.346629848 0.310935589 -0.851962382 0.387930834 0.505692192 -0.738722861 0.410302113 -0.181359914 
     10-24  10-25  10-26  10-27  10-28  10-29  10-30  10-31  11-01 
0.831105889 -0.398852239 -0.164535170 -0.870295447 0.057609116 -1.058556114 0.809784093 0.188277796 1.432543613 
     11-02  11-03  11-04  11-05  11-06  11-07  11-08  11-09  11-10 
0.040680316 0.711553107 0.565285429 -0.829181807 0.455487776 -0.037182199 -0.644669824 -0.704611643 0.491631958 
     11-11  11-12  11-13  11-14  11-15  11-16  11-17  11-18  11-19 
-0.051188454 0.963031185 -0.511791970 0.193671830 -0.333065645 -0.176479500 0.367566807 -0.056534518 1.391773053 
     11-20  11-21  11-22  11-23  11-24  11-25  11-26  11-27  11-28 
0.162741879 -0.269991630 0.866532461 -0.352034768 -0.028515790 -0.671437717 -0.393703641 0.394041604 -0.959721458 
     11-29  11-30  12-01  12-02  12-03  12-04  12-05  12-06  12-07 
-0.187149463 0.203037321 -0.824439261 -0.081277243 0.361409692 -0.300022665 -0.067589145 -0.265877741 -0.474834675 
     12-08  12-09  12-10  12-11  12-12  12-13  12-14  12-15  12-16 
-0.903405316 0.026396956 0.930117145 -0.489879346 -0.481598661 0.122388492 0.042287328 -0.160328704 0.777249363 
     12-17  12-18  12-19  12-20  12-21  12-22  12-23  12-24  12-25 
-0.359802827 0.252189848 0.754686655 -0.012767780 0.683605939 0.782528149 -0.786087093 0.751560196 -0.610885984 
     12-26  12-27  12-28  12-29  12-30  12-31 
0.203570612 -0.603484627 -0.180762839 0.073029026 -0.017906554 -0.871648586

идея заключается в том, чтобы разделить в зависимости от дня года (% d-% м) и сделать среднее для каждой подгруппы.

EDIT - Мишель (я думал, что это было лучше, чтобы улучшить этот ответ, как исключительно base связаны между собой, а не мой):

Если выше вектор были использованы для создания data.frame то это решение хорошая альтернатива:

dat <- data.frame(date=day, var=dat) 

> ddply(dat, .(day=format(date,"%m-%d")), summarise, result=mean(var)) 
     day  result 
1 01-01 -0.167554841 
2 01-02 0.599425816 
3 01-03 -0.443361675 
4 01-04 0.012972442 
5 01-05 -0.203178536 
6 01-06 -0.553501370

NB: извините, он фактически использует plyr пакет, но он по-прежнему использует data.frame и ddply может быть заменен by из base пакета.

источник

2013-10-09 12:02:24 plannapus

@Michele, спасибо за редактирование, это хорошая альтернатива. – plannapus

Спасибо всем. но почему выход из ответа plannapus не такой же, как выход Michele? первое значение '01-01 ??' – hyat

I _think_ это потому, что @Michele использовал 'set.seed (1)' перед генерированием случайных значений, тогда как, насколько я вижу, plannapus этого не сделал. – Henrik

Как вычислить среднее значение для конкретных дней?

ответ

Смежные вопросы