R：计算组子集的均值

Question

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

Answer 1

试试这个：

aggregate(StomCond_Trunc~Day,data=subset(sap,Time>=12 & Time<=14),mean)

Answer 2

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：

大（ish）数据集

df <- data.frame(Day=1:1000000,Time=sample(1:14,1000000,replace=T),StomCond_Trunc=rnorm(100000)*20)

在data.frame

上使用聚合

>system.time(aggregate(StomCond_Trunc~Day,data=subset(df,Time>=12 & Time<=14),mean))
   user  system elapsed 
 16.255   0.377  24.263

将其转换为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 

Answer 3

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