Question

我有一些天气预报数据，记录每小时的预报降雨量。我想将此与观测数据进行比较，观测数据每6小时观测一次降雨量。因此，我需要将预测数据汇总为6小时数据。

以下是我的数据概述：

                     DateUtc StationID FcstDay PrecipQuantity_hSum
1        2014-01-01 12:00:00     54745       0                   0
2        2014-01-01 13:00:00     54745       0                   0
3        2014-01-01 14:00:00     54745       0                   0
4        2014-01-01 15:00:00     54745       0                   0
5        2014-01-01 16:00:00     54745       0                   0
6        2014-01-01 17:00:00     54745       0                   0
7        2014-01-01 18:00:00     54745       0                   0
8        2014-01-01 19:00:00     54745       0                   0
9        2014-01-01 20:00:00     54745       0                   0
10       2014-01-01 21:00:00     54745       0                   0
11       2014-01-01 22:00:00     54745       0                   0
12       2014-01-01 23:00:00     54745       0                   0
13       2014-01-02 00:00:00     54745       1                   0
14       2014-01-02 01:00:00     54745       1                   0
15       2014-01-02 02:00:00     54745       1                   0
16       2014-01-02 03:00:00     54745       1                   0
17       2014-01-02 04:00:00     54745       1                   0
18       2014-01-02 05:00:00     54745       1                   0
19       2014-01-02 06:00:00     54745       1                   0
20       2014-01-02 07:00:00     54745       1                   0
...                     <NA>      <NA>     ...                 ...
13802582 2014-11-20 08:00:00     55005       7                   0
13802583 2014-11-20 09:00:00     55005       7                   0
13802584 2014-11-20 10:00:00     55005       7                   0
13802585 2014-11-20 11:00:00     55005       7                   0
13802586 2014-11-20 12:00:00     55005       7                   0

要正确汇总，请务必在汇总前按StationID（气象站）和FcstDay（计算预测日期和预测日期之间的天数）进行拆分。

我已经使用xts包来进行聚合，如果我先手动对数据进行子集，就会按预期工作，例如。

z <- fcst[which(fcst$StationID=="54745" & fcst$FcstDay==1),]
z.xts <- xts(z$PrecipQuantity_hSum, z$DateUtc)
ends <- endpoints(z.xts, "hours", 6)
precip6 <- as.data.frame(period.appl(z.xts, ends, sum))

我需要自动化子集，但我尝试将xts函数包装在各种split-apply函数中并始终得到相同的错误：

Error in xts(z$PrecipQuantity_hSum, z$DateUtc) : 
  NROW(x) must match length(order.by)

这是我的代码的最新版本：

df <- data.frame()

  d_ply(
    .data = fcst,
    .variables = c("FcstDay", "StationID"),
    .fun = function(z){
      z.xts <- xts(z$PrecipQuantity_hSum, z$DateUtc)
      ends <- endpoints(z.xts, "hours", 6)
      precip6 <- as.data.frame(period.apply(z.xts, ends, sum))
      precip6$DateUtc <- rownames(precip6)
      rownames(precip6) <- NULL
      df <- rbind.fill(df, precip6)
    })

我也尝试过嵌套的for循环。任何人都可以就错误提供任何指导吗？我已经在下面列出了可重现的示例集的代码。提前谢谢。

DateUtc <- rep(seq(from=ISOdatetime(2014,1,1,0,0,0), to=ISOdatetime(2014,12,30,0,0,0), by=(60*60)), times=9)
StationID <- rep(c("50060","50061","50062"), each=3*8713)
FcstDay <- rep(c(1,2,3), each=8713, times=3)
PrecipQuantity_hSum <- rgamma(78417, shape=1, rate=20)
fcst <- data.frame(DateUtc, StationID, FcstDay, PrecipQuantity_hSum)

Answer 1

我认为David Robinson的错误是因为您的示例代码使用的是PrecipQuantity_6hSum而不是PrecipQuantity_hSum。一旦更改，您的.myTable caption + thead th:first-child代码对我有用。

这对你有用吗？

ddply

在R中拆分应用时间序列数据的聚合

1 个答案: