我想计算每个“日”的平均值,但是计算当天的一部分时间(时间= 12-14)。这段代码对我有用,但我必须输入每一天作为新的代码行,这将达到数百行。
这似乎应该很简单。当分组变量相同但我不想知道当我不想包含当天的所有值时,我很容易做到这一点。 有更好的方法吗?
sapply(sap[sap$Day==165 & sap$Time %in% c(12,12.1,12.2,12.3,12.4,12.5,13,13.1,13.2,13.3,13.4,13.5, 14), ],mean)
sapply(sap[sap$Day==166 & sap$Time %in% c(12,12.1,12.2,12.3,12.4,12.5,13,13.1,13.2,13.3,13.4,13.5, 14), ],mean)
这是数据的样子:
Day Time StomCond_Trunc
165 12 33.57189926
165 12.1 50.29437636
165 12.2 35.59876214
165 12.3 24.39879768
答案 0 :(得分:10)
试试这个:
aggregate(StomCond_Trunc~Day,data=subset(sap,Time>=12 & Time<=14),mean)
答案 1 :(得分:3)
如果您有大型数据集,您可能还需要查看data.table
包。将data.frame
转换为data.table
非常简单。
示例:
df <- data.frame(Day=1:1000000,Time=sample(1:14,1000000,replace=T),StomCond_Trunc=rnorm(100000)*20)
data.frame
>system.time(aggregate(StomCond_Trunc~Day,data=subset(df,Time>=12 & Time<=14),mean))
user system elapsed
16.255 0.377 24.263
data.table
dt <- data.table(df,key="Time")
>system.time(dt[Time>=12 & Time<=14,mean(StomCond_Trunc),by=Day])
user system elapsed
9.534 0.178 15.270
来自Matthew的更新。由于数据中的新优化功能,最初回答的时间显着改善。表1.8.2。
使用R 2.15.1中的data.table 1.8.2重新测试两种方法之间的差异:
df <- data.frame(Day=1:1000000,
Time=sample(1:14,1000000,replace=T),
StomCond_Trunc=rnorm(100000)*20)
system.time(aggregate(StomCond_Trunc~Day,data=subset(df,Time>=12 & Time<=14),mean))
# user system elapsed
# 10.19 0.27 10.47
dt <- data.table(df,key="Time")
system.time(dt[Time>=12 & Time<=14,mean(StomCond_Trunc),by=Day])
# user system elapsed
# 0.31 0.00 0.31
答案 2 :(得分:0)
使用原始方法,但输入次数较少:
sapply(sap[sap$Day==165 & sap$Time %in% seq(12, 14, 0.1), ],mean)
然而,这只是一种比原始方法略好的方法。它不像其他答案那样灵活,因为它取决于你的时间值的0.1增量。其他方法不关心增量大小,这使它们更通用。我推荐@ Maiasaura的回答data.table