Question

我正在使用R中的一个巨大的数据表，其中包含不同来源的多个地点的每月温度测量值。

数据集如下所示：

library(data.table)

# Generate random data:
loc <- 1:10
dates <- seq(as.Date("2000-01-01"), as.Date("2004-12-31"), by="month")
mods <- c("A","B", "C", "D", "E")
temp <- runif(length(loc)*length(dates)*length(mods), min=0, max=30)
df <- data.table(expand.grid(Location=loc,Date=dates,Model=mods),Temperature=temp)

所以基本上，对于位置1，我从模型A到2000年1月到2004年12月进行了测量。然后，我对模型B进行了测量。对于模型C，D和E，进行了测量。然后，依此类推位置2到位置10。

我需要做的是，不是进行五种不同的温度测量（来自模型），而是采用所有模型的平均温度。

因此，对于每个位置和每个日期，我会有五个但只有一个温度测量值（这将是一个多模型的平均值）。

我试过了：

df2 <- df[, Mean:=mean(Temperature), by=list(Model, Location, Date)]

没有像我预期的那样工作。我至少期望得到的数据表是原始表的行数的1/5，因为我将五个测量值汇总为一个。

我做错了什么？

Answer 1

我认为您没有正确生成测试数据。函数expand.grid()采用所有参数的笛卡尔积。我不确定你为什么在Temperature=temp电话中包含expand.grid()参数;这会复制每个组合键的每个温度值，从而产生一个包含900万行的data.table（这是(10*60*5)^2）。我认为您希望每个键有一个温度值，这应该会产生10*60*5行：

df <- data.table(expand.grid(Location=loc,Date=dates,Model=mods),Temperature=temp);
df;
##       Location       Date Model Temperature
##    1:        1 2000-01-01     A    2.469751
##    2:        2 2000-01-01     A   16.103135
##    3:        3 2000-01-01     A    7.147051
##    4:        4 2000-01-01     A   10.301937
##    5:        5 2000-01-01     A   16.760238
##   ---
## 2996:        6 2004-12-01     E   26.293968
## 2997:        7 2004-12-01     E    8.446528
## 2998:        8 2004-12-01     E   29.003001
## 2999:        9 2004-12-01     E   12.076765
## 3000:       10 2004-12-01     E   28.410980

如果这是正确的，您可以使用以下方法生成模型的平均值：

df[,.(Mean=mean(Temperature)),.(Location,Date)];
##      Location       Date      Mean
##   1:        1 2000-01-01  9.498497
##   2:        2 2000-01-01 11.744622
##   3:        3 2000-01-01 15.691228
##   4:        4 2000-01-01 11.457154
##   5:        5 2000-01-01  8.897931
##  ---
## 596:        6 2004-12-01 17.587000
## 597:        7 2004-12-01 19.555963
## 598:        8 2004-12-01 15.710465
## 599:        9 2004-12-01 15.322790
## 600:       10 2004-12-01 20.240392

请注意，:=运算符实际上并未汇总。它只添加，修改或删除原始data.table中的列。可以使用聚合计算的重复添加新列（或覆盖旧列）（例如，请参阅http://www.r-bloggers.com/two-of-my-favorite-data-table-features/），但这不是您想要的。

通常，在聚合数据表时，您必须生成 new 表，每个聚合键减少到一行。 :=运算符不会执行此操作。

相反，我们需要对data.table运行一个普通的索引操作，按所需的聚合键进行分组（它将自动包含在输出data.table中），然后添加j参数每组将评估一次。结果将是原始表的简化版本，所有j参数评估的结果与其各自的聚合键合并。由于我们的j参数会为每个组生成标量值，因此每个Location / Date聚合键的结果为一行。

Answer 2

如果我们使用data.table，则可以使用CJ

 CJ(Location=loc, date= dates,Model= mods)[, 
         Temperature:= temp][, .(Mean = mean(Temperature)), by = .(Location, date)]

按组

2 个答案: