如果已经在其他地方提出要求，请提前道歉。
我有多个这样的数据帧（具有25列和> 1000行）：
> head(Amsterdam_C02 <- Amsterdam %>% filter(Chemicals == "CO2"))
Sample_ID Locality.Name Chemicals
1 VKB19xxxxxx Amsterdam CO2
2 VKB19xxxxxx Amsterdam CO2
3 VKB1xxxxxxx Amsterdam CO2
4 VKB1xxxxxxx Amsterdam CO2
5 VKB1xxxxxxx Amsterdam CO2
6 VKB1xxxxxxx Amsterdam CO2
End.Date Less.Than Activity.Value Measuring.Unit
1 2019-01-31 < 1.0714000 g/m³
2 2019-02-18 3.4609000 g/m³
3 2019-02-28 < 0.7020623 g/m³
4 2019-04-25 4.5563282 g/m³
5 2019-05-20 1.6000000 g/m³
6 2019-05-22 < 0.6000000 g/m³
我希望获得Activity.Value的均值，最大值，最小值和标准差，按月分类，并且仅在Less.Than不是“ <” （“ <”表示该值低于检测极限，将不会保留以进行统计。 本示例每月显示一个或两个值，但是有数百个。因此，R必须每月（以向量或其他方式）返回Activity.value的4个统计信息。如果一个月没有超出检测极限的值，则R必须为这4个统计信息返回“-”。
此外，我希望R返回由于Less.Than为“ <”而未考虑的全年（未每月分类）的所有值的平均值。
我做了不同的尝试，但没有正常工作，我希望寻求您的帮助。
If Less.Than == "<" ???
要每月进行过滤，我已经尝试了%>% filter(grepl("2019-01") 12次，但如果可能的话，我希望避免手动进行，因为我还有其他数据框需要执行类似的分析。
答案 0 :(得分：1)
不幸的是，您拥有的数据数量非常有限。我从上面获取了第二个数据-因为您的问题不需要考虑上半部分。
列{em> Less.Than 用mutate进行了更改，因此在<丢失的地方引入了所有NA。由于您的数据框很小，因此我添加了一个新的数据行。 sd的结果显示为NA，因为没有足够的数据，如摘要中的数据n所示。
然后过滤所有在 End.Date 中具有NA的行，按月分组，并使用summarise中的dplyr。
class(df)上所见。您也可以看看here。
然后，我做出了两个选择。一种是过滤 Less.Than 中的所有NA。这些是没有“ <”的。第二个则相反。
全部按月分组。请记住，我已向数据添加一行以获取至少一次标准差。
library(tidyverse)
df <- tribble(
~End.Date, ~Less.Than, ~Activity.Value,
'2019-01-31', '<' , 1.0714000,
'2019-02-18', '' , 3.4609000,
'2019-02-28', '<' , 0.7020623,
'2019-04-25', '' , 4.5563282,
'2019-05-20', '' , 1.6000000,
'2019-05-22', '<' , 0.6000000,
'2019-05-22', '<' , 0.7000000
)
df$End.Date <- as.Date(df$End.Date)
df
#> # A tibble: 7 x 3
#> End.Date Less.Than Activity.Value
#> <date> <chr> <dbl>
#> 1 2019-01-31 "<" 1.07
#> 2 2019-02-18 "" 3.46
#> 3 2019-02-28 "<" 0.702
#> 4 2019-04-25 "" 4.56
#> 5 2019-05-20 "" 1.6
#> 6 2019-05-22 "<" 0.6
#> 7 2019-05-22 "<" 0.7
# here you can see that the df is a data.frame
class(df)
#> [1] "tbl_df" "tbl" "data.frame"
df %>%
mutate(Less.Than = ifelse(Less.Than != '<', NA, Less.Than)) %>%
# what follows filters the rows which contain NA
dplyr::filter(is.na(Less.Than)) %>%
group_by(months(End.Date)) %>%
summarise(
sum = sum(Activity.Value),
min = min(Activity.Value),
sd = sd(Activity.Value),
n = n())
#> # A tibble: 3 x 5
#> `months(End.Date)` sum min sd n
#> <chr> <dbl> <dbl> <dbl> <int>
#> 1 April 4.56 4.56 NA 1
#> 2 Februar 3.46 3.46 NA 1
#> 3 Mai 1.6 1.6 NA 1
df %>%
mutate(Less.Than = ifelse(Less.Than != '<', NA, Less.Than)) %>%
# what follows filters the rows which DO NOT contain NA
# or in your words these rows possess a "<"
dplyr::filter(!is.na(Less.Than)) %>%
group_by(months(End.Date)) %>%
summarise(
sum = sum(Activity.Value),
min = min(Activity.Value),
sd = sd(Activity.Value),
n = n())
#> # A tibble: 3 x 5
#> `months(End.Date)` sum min sd n
#> <chr> <dbl> <dbl> <dbl> <int>
#> 1 Februar 0.702 0.702 NA 1
#> 2 Januar 1.07 1.07 NA 1
#> 3 Mai 1.30 0.6 0.0707 2
由reprex package（v0.3.0）于2020-06-15创建
答案 1 :(得分：0)
您可以使用aggregate：
可复制的数据：
df <- data.frame(
Date = c("2019-01-31", "2019-02-18", "2019-02-28", "2019-04-25", "2019-05-20", "2019-05-02"),
Less.than = c("", "<", "", "<", "", ""),
Activity.level = c(1.0714000, 3.4609000, 0.7020623, 0.7020623, 4.5563282, 1.6000000))
获得均值的解决方案：
aggregate(df$Activity.level[!df$Less.than=="<"], by = list(sub("-(\\d+)-", "-\\1-", df$Date[!df$Less.than=="<"])), mean)
Group.1 x
1 2019-01-31 1.0714000
2 2019-02-28 0.7020623
3 2019-05-02 1.6000000
4 2019-05-20 4.5563282
对于其他统计信息，请相应地替换mean。