我有一个如下所示的数据框：
Sensor NewValue NewDate
1 iphone/NuhKZFrx/noise 1.00000 2015-10-20 23:26:14
2 iphone/NuhKZFrx/noiseS 58.63411 2015-10-20 23:26:14
3 iphone/wlhAlrPQ/noise 0.00000 2015-10-21 08:03:28
4 iphone/wlhAlrPQ/noiseS 65.26167 2015-10-21 08:03:28
[...]
具有以下数据类型：
'data.frame': 405 obs. of 3 variables:
$ Sensor : Factor w/ 28 levels "iphone/5mZU0HWz/noise",..: 11 12 23 24 9 10 23 24 21 22 ...
$ NewValue: num 1 58.6 0 65.3 3 ...
$ NewDate : POSIXct, format: "2015-10-20 23:26:13" "2015-10-20 23:26:14" "2015-10-21 08:03:28" "2015-10-21 08:03:28" .
传感器字段设置如下：<model>/<uniqueID>/<type>。我想知道在给定时间内每个noise的{{1}}和noiseS之间是否存在相关性。
对于单个uniqueID，它可以正常工作，因为只有两个因素。我尝试使用uniqueID，但这给了我零，因为任何时候每个ID都没有值......
我可以做些什么以某种方式构成因素，以便我只有xtabs(NewValue~NewDate+Sensor, data=dataNoises)的因子和noise的因子？或者有更简单的方法来解决这个问题吗？
我想做的是以下内容：
noiseS然后计算噪声和噪声之间的皮尔森相关系数。
答案 0 :(得分：1)
如果我理解你的问题，你只需要一个区分噪音和噪音的2级因子吗？
通过在数据框中定义新列并使用grepl（）的输出填充它，可以轻松实现这一点。 MWE：
MultiPoint这个两级因子可以让你构建一个简单的噪声均值模型（a <- "blahblahblahblahnoise"
aa <- "blahblahblahblahnoiseS"
b <- "noiseS"
type <- vector()
type[1] <- grepl(b, a)
type[2] <- grepl(b, aa)
type <- as.factor(type)
）和noiseS（type[i]==FALSE），但不会让你评估类型之间的相关性给定UniqueID和时间。一种方法是使用type[i]==TRUE和type==FALSE为数据创建单独的列，其中行对应于特定的UniqueID +时间组合。在这种情况下，您需要仔细考虑您想要学习的内容以及何时假设数据是独立的。例如，如果您想了解噪声和噪声是否在给定的唯一ID的时间内相关，那么您需要为uniqueID创建一个单独的因子并将其作为效果包含在您的模型中（可能是随机效果，具体取决于您的目的和你的数据）。