r - 如何在R data.table中按组进行子集设置时获取不同行数的切片-6ren

r - 如何在R data.table中按组进行子集设置时获取不同行数的切片

转载作者：行者123 更新时间：2023-12-03 16:58:34

我有一个 data.table，其中包含多个站点超过 15 天的温度和其他天气信息的观测值。这个 dput 用于两个站点的所有观察。

library(data.table)

structure(list(site = c("100", "100", "100", "100", "100", "100", 
"100", "100", "100", "100", "100", "100", "100", "100", "100"
), precursor_date = structure(c(15203, 15202, 15201, 15200, 15199, 
15198, 15197, 15196, 15195, 15194, 15193, 15192, 15191, 15190, 
15189), class = "Date"), lat = c(46.864, 46.864, 46.864, 46.864, 
46.864, 46.864, 46.864, 46.864, 46.864, 46.864, 46.864, 46.864, 
46.864, 46.864, 46.864), lon = c(-67.998, -67.998, -67.998, -67.998, 
-67.998, -67.998, -67.998, -67.998, -67.998, -67.998, -67.998, 
-67.998, -67.998, -67.998, -67.998), origDate = structure(c(15204, 
15204, 15204, 15204, 15204, 15204, 15204, 15204, 15204, 15204, 
15204, 15204, 15204, 15204, 15204), class = "Date"), last = c(2011, 
2011, 2011, 2011, 2011, 2011, 2011, 2011, 2011, 2011, 2011, 2011, 
2011, 2011, 2011), begin = c(2011, 2011, 2011, 2011, 2011, 2011, 
2011, 2011, 2011, 2011, 2011, 2011, 2011, 2011, 2011), precursor_day_labl = structure(1:15, .Label = c("obd_p1", 
"obd_p2", "obd_p3", "obd_p4", "obd_p5", "obd_p6", "obd_p7", "obd_p8", 
"obd_p9", "obd_p10", "obd_p11", "obd_p12", "obd_p13", "obd_p14", 
"obd_p15"), class = "factor"), year = c(2011, 2011, 2011, 2011, 
2011, 2011, 2011, 2011, 2011, 2011, 2011, 2011, 2011, 2011, 2011
), yday = c(229, 228, 227, 226, 225, 224, 223, 222, 221, 220, 
219, 218, 217, 216, 215), dayl = c(50112, 50457.6015625, 50457.6015625, 
50803.19921875, 50803.19921875, 51148.80078125, 51148.80078125, 
51494.3984375, 51494.3984375, 51840, 51840, 52185.6015625, 52185.6015625, 
52531.19921875, 52531.19921875), prcp = c(0, 17, 5, 4, 6, 6, 
13, 8, 0, 16, 14, 6, 0, 0, 7), srad = c(403.200012207031, 176, 
249.600006103516, 288, 297.600006103516, 268.799987792969, 179.199996948242, 
192, 406.399993896484, 208, 227.199996948242, 307.200012207031, 
371.200012207031, 304, 182.399993896484), swe = c(0, 0, 0, 0, 
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0), tmax = c(22.5, 20.5, 24.5, 
26.5, 25, 22.5, 20.5, 21, 24, 23.5, 25, 28, 24, 23.5, 22), tmin = c(10.5, 
14.5, 15, 14.5, 12.5, 12, 14, 14, 11, 15.5, 16, 14, 12.5, 14.5, 
15), vp = c(1280, 1640, 1720, 1640, 1440, 1400, 1600, 1600, 1320, 
1760, 1800, 1600, 1440, 1640, 1720), satv = c(19.99250234375, 
17.77504867875, 22.44414580875, 25.14497571375, 23.09540625, 
19.99250234375, 17.77504867875, 18.30827693, 21.80845952, 21.18811306125, 
23.09540625, 27.34314816, 21.80845952, 21.18811306125, 19.41676944
), r_hum = c(64.024001497749, 92.2641636397099, 76.6346830330004, 
65.2217770527891, 62.3500614976193, 70.026251638163, 90.0138181850829, 
87.3921672758967, 60.526971141151, 83.0654431053979, 77.9375768720241, 
58.5155736507555, 66.0294230630738, 77.4018901663935, 88.5832221119478
)), class = c("data.table", "data.frame"), row.names = c(NA, 
-15L), .internal.selfref = <pointer: 0x000001b632fd1ef0>)

我想获得天气数据的平均值( prcp 、 tmax 、 tmin 、 r_hum )，从开始日开始向后移动 15 天的每个 #-day 间隔，我称之为 0690104 中的 069014进入每个站点各自 15 天窗口的日期在 origDate 之下。只有一个 2 天平均值、一个 3 天平均值、一个 4 天平均值等等，这些将基于紧接在 DT 之前的相应 #-day 窗口。例如，如果开始日期是 2011-08-18，我想要 8-18(08-17 和 08-16)、3 天(08-17、08-16、08-15)之前 2 天的平均值等，直到最大的窗口，15 天(08-17 到 08-03)。我不需要在 15 天窗口中可能的每个小间隔平均值。只是紧接在 precursor_date 之前的那个。
为了了解我想要的子集，在 origDate 中，我可以使用

df %>% group_by(site) %>% slice_head(n= x) 
# A tibble: 2,556 x 19
# Groups:   site [1,278]
site  precursor_date   lat   lon origDate    last begin precursor_day_l~  year  yday   dayl  prcp  srad   swe  tmax
   <chr> <date>         <dbl> <dbl> <date>     <dbl> <dbl> <fct>            <dbl> <dbl>  <dbl> <dbl> <dbl> <dbl> <dbl>
 1 100   2011-08-17      46.9 -68.0 2011-08-18  2011  2011 obd_p1            2011   229 50112      0  403.     0  22.5
 2 100   2011-08-16      46.9 -68.0 2011-08-18  2011  2011 obd_p2            2011   228 50458.    17  176      0  20.5
 3 101   2011-08-11      44.3 -72.7 2011-08-12  2011  2011 obd_p1            2011   223 50458.     8  272      0  26  
 4 101   2011-08-10      44.3 -72.7 2011-08-12  2011  2011 obd_p2            2011   222 50803.    25  253.     0  26.5
 5 102   2011-08-21      46.5 -68.0 2011-08-22  2011  2011 obd_p1            2011   233 49421.     0  378.     0  27  
 6 102   2011-08-20      46.5 -68.0 2011-08-22  2011  2011 obd_p2            2011   232 49421.     1  397.     0  28

其中 x 是我想在获得平均值之前从每个组中提取子集的天数。
但如果我使用

df %>% group_by(site) %>% slice_head(n= x) %>% mean(prcp)

我收到一个错误，我不知道为什么。错误是

Warning message:
In mean.default(., "prcp") :
  argument is not numeric or logical: returning NA

虽然我不知道为什么会发生该错误，但我更愿意让子集在 origDate 内工作。我想要子集均值的列是 prcp、tmax、tmin 和 r_hum。我最终会创建 60 个新列，每个天气变量 15 个。并且很多列都会有 NA 或其他东西，因为 DT 在列中有日常观察。为了了解输出可能是什么样子，这里有一个模型。它不必看起来像这样，只要我有 DT 中每个天气变量和时间窗口的方法与适当的站点对齐。

site precursor_date    lat     lon   origDate ... prcp2dmean prcp3dmean prcp4dmean ... tmax2dmean tmax3dmean ...
 100     2011-08-17 46.864 -67.998 2011-08-18 ...        1.2        1.4        1.4 ...         25         24 ...
 100     2011-08-16 46.864 -67.998 2011-08-18 ...        1.2        1.4        1.4 ...         25         24 ...
 100     2011-08-15 46.864 -67.998 2011-08-18 ...         NA        1.4        1.4 ...         NA         24 ...
 100     2011-08-14 46.864 -67.998 2011-08-18 ...         NA         NA        1.4 ...         NA         NA ...
 100     2011-08-13 46.864 -67.998 2011-08-18 ...         NA         NA         NA ...         NA         NA ...
 100     2011-08-12 46.864 -67.998 2011-08-18 ...         NA         NA         NA ...         NA         NA ...
 100     2011-08-11 46.864 -67.998 2011-08-18 ...         NA         NA         NA ...         NA         NA ...
 100     2011-08-10 46.864 -67.998 2011-08-18 ...         NA         NA         NA ...         NA         NA ...
 100     2011-08-09 46.864 -67.998 2011-08-18 ...         NA         NA         NA ...         NA         NA ...
 100     2011-08-08 46.864 -67.998 2011-08-18 ...         NA         NA         NA ...         NA         NA ...
 100     2011-08-07 46.864 -67.998 2011-08-18 ...         NA         NA         NA ...         NA         NA ...
 100     2011-08-06 46.864 -67.998 2011-08-18 ...         NA         NA         NA ...         NA         NA ...
 100     2011-08-05 46.864 -67.998 2011-08-18 ...         NA         NA         NA ...         NA         NA ...
 100     2011-08-04 46.864 -67.998 2011-08-18 ...         NA         NA         NA ...         NA         NA ...
 100     2011-08-03 46.864 -67.998 2011-08-18 ...         NA         NA         NA ...         NA         NA ...
  10     2011-08-17 46.864 -67.998 2011-08-18 ...        1.2        1.4        1.4 ...         25         24 ...
  10     2011-08-16 46.864 -67.998 2011-08-18 ...        1.2        1.4        1.4 ...         25         24 ...
  10     2011-08-15 46.864 -67.998 2011-08-18 ...         NA        1.4        1.4 ...         NA         24 ...
  10     2011-08-14 46.864 -67.998 2011-08-18 ...         NA         NA        1.4 ...         NA         NA ...
  10     2011-08-13 46.864 -67.998 2011-08-18 ...         NA         NA         NA ...         NA         NA ...
  10     2011-08-12 46.864 -67.998 2011-08-18 ...         NA         NA         NA ...         NA         NA ...
  10     2011-08-11 46.864 -67.998 2011-08-18 ...         NA         NA         NA ...         NA         NA ...
  10     2011-08-10 46.864 -67.998 2011-08-18 ...         NA         NA         NA ...         NA         NA ...
  10     2011-08-09 46.864 -67.998 2011-08-18 ...         NA         NA         NA ...         NA         NA ...
  10     2011-08-08 46.864 -67.998 2011-08-18 ...         NA         NA         NA ...         NA         NA ...
  10     2011-08-07 46.864 -67.998 2011-08-18 ...         NA         NA         NA ...         NA         NA ...
  10     2011-08-06 46.864 -67.998 2011-08-18 ...         NA         NA         NA ...         NA         NA ...
  10     2011-08-05 46.864 -67.998 2011-08-18 ...         NA         NA         NA ...         NA         NA ...
  10     2011-08-04 46.864 -67.998 2011-08-18 ...         NA         NA         NA ...         NA         NA ...
  10     2011-08-03 46.864 -67.998 2011-08-18 ...         NA         NA         NA ...         NA         NA ...

在我的 DT 我试过

pi_df5[, pi_df5 %>% slice_head(n=2) %>% mean(prcp), by = site]

但这不起作用。

最佳答案

这是另一种选择:

cols <- c("prcp", "tmax", "tmin", "r_hum")
winsz <- 2L:15L
DT[, as.vector(outer(cols, winsz, FUN=paste, sep="_")) := {
        res <- rep(NA, .N)
        ans <- outer(.SD, winsz, function(x, k) {
            Map(function(v, j) replace(res, 1L:j, sum(v[1L:j]) / j), x, k)
        })
    }, site, .SDcols=cols]

head(DT) 的输出:

   site precursor_date    lat     lon   origDate last begin precursor_day_labl year yday    dayl prcp  srad swe tmax tmin   vp     satv    r_hum prcp_2 tmax_2 tmin_2  r_hum_2   prcp_3 tmax_3   tmin_3  r_hum_3 prcp_4 tmax_4 tmin_4  r_hum_4 prcp_5
1:  100     2011-08-17 46.864 -67.998 2011-08-18 2011  2011             obd_p1 2011  229 50112.0    0 403.2   0 22.5 10.5 1280 19.99250 64.02400    8.5   21.5   12.5 78.14408 7.333333   22.5 13.33333 77.64095    6.5   23.5 13.625 74.53616    6.4
2:  100     2011-08-16 46.864 -67.998 2011-08-18 2011  2011             obd_p2 2011  228 50457.6   17 176.0   0 20.5 14.5 1640 17.77505 92.26416    8.5   21.5   12.5 78.14408 7.333333   22.5 13.33333 77.64095    6.5   23.5 13.625 74.53616    6.4
3:  100     2011-08-15 46.864 -67.998 2011-08-18 2011  2011             obd_p3 2011  227 50457.6    5 249.6   0 24.5 15.0 1720 22.44415 76.63468     NA     NA     NA       NA 7.333333   22.5 13.33333 77.64095    6.5   23.5 13.625 74.53616    6.4
4:  100     2011-08-14 46.864 -67.998 2011-08-18 2011  2011             obd_p4 2011  226 50803.2    4 288.0   0 26.5 14.5 1640 25.14498 65.22178     NA     NA     NA       NA       NA     NA       NA       NA    6.5   23.5 13.625 74.53616    6.4
5:  100     2011-08-13 46.864 -67.998 2011-08-18 2011  2011             obd_p5 2011  225 50803.2    6 297.6   0 25.0 12.5 1440 23.09541 62.35006     NA     NA     NA       NA       NA     NA       NA       NA     NA     NA     NA       NA    6.4
6:  100     2011-08-12 46.864 -67.998 2011-08-18 2011  2011             obd_p6 2011  224 51148.8    6 268.8   0 22.5 12.0 1400 19.99250 70.02625     NA     NA     NA       NA       NA     NA       NA       NA     NA     NA     NA       NA     NA
   tmax_5 tmin_5  r_hum_5   prcp_6   tmax_6   tmin_6  r_hum_6   prcp_7   tmax_7   tmin_7  r_hum_7 prcp_8 tmax_8 tmin_8  r_hum_8   prcp_9 tmax_9   tmin_9  r_hum_9 prcp_10 tmax_10 tmin_10 r_hum_10  prcp_11  tmax_11  tmin_11 r_hum_11  prcp_12 tmax_12
1:   23.8   13.4 72.09894 6.333333 23.58333 13.16667 71.75349 7.285714 23.14286 13.28571 74.36211  7.375 22.875 13.375 75.99087 6.555556     23 13.11111 74.27265     7.5   23.05   13.35 75.15193 8.090909 23.22727 13.59091 75.40517 7.916667  23.625
2:   23.8   13.4 72.09894 6.333333 23.58333 13.16667 71.75349 7.285714 23.14286 13.28571 74.36211  7.375 22.875 13.375 75.99087 6.555556     23 13.11111 74.27265     7.5   23.05   13.35 75.15193 8.090909 23.22727 13.59091 75.40517 7.916667  23.625
3:   23.8   13.4 72.09894 6.333333 23.58333 13.16667 71.75349 7.285714 23.14286 13.28571 74.36211  7.375 22.875 13.375 75.99087 6.555556     23 13.11111 74.27265     7.5   23.05   13.35 75.15193 8.090909 23.22727 13.59091 75.40517 7.916667  23.625
4:   23.8   13.4 72.09894 6.333333 23.58333 13.16667 71.75349 7.285714 23.14286 13.28571 74.36211  7.375 22.875 13.375 75.99087 6.555556     23 13.11111 74.27265     7.5   23.05   13.35 75.15193 8.090909 23.22727 13.59091 75.40517 7.916667  23.625
5:   23.8   13.4 72.09894 6.333333 23.58333 13.16667 71.75349 7.285714 23.14286 13.28571 74.36211  7.375 22.875 13.375 75.99087 6.555556     23 13.11111 74.27265     7.5   23.05   13.35 75.15193 8.090909 23.22727 13.59091 75.40517 7.916667  23.625
6:     NA     NA       NA 6.333333 23.58333 13.16667 71.75349 7.285714 23.14286 13.28571 74.36211  7.375 22.875 13.375 75.99087 6.555556     23 13.11111 74.27265     7.5   23.05   13.35 75.15193 8.090909 23.22727 13.59091 75.40517 7.916667  23.625
   tmin_12 r_hum_12  prcp_13  tmax_13  tmin_13 r_hum_13  prcp_14  tmax_14  tmin_14 r_hum_14 prcp_15  tmax_15 tmin_15 r_hum_15
1:  13.625 73.99771 7.307692 23.65385 13.53846 73.38476 6.785714 23.64286 13.60714  73.6717     6.8 23.53333    13.7  74.6658
2:  13.625 73.99771 7.307692 23.65385 13.53846 73.38476 6.785714 23.64286 13.60714  73.6717     6.8 23.53333    13.7  74.6658
3:  13.625 73.99771 7.307692 23.65385 13.53846 73.38476 6.785714 23.64286 13.60714  73.6717     6.8 23.53333    13.7  74.6658
4:  13.625 73.99771 7.307692 23.65385 13.53846 73.38476 6.785714 23.64286 13.60714  73.6717     6.8 23.53333    13.7  74.6658
5:  13.625 73.99771 7.307692 23.65385 13.53846 73.38476 6.785714 23.64286 13.60714  73.6717     6.8 23.53333    13.7  74.6658
6:  13.625 73.99771 7.307692 23.65385 13.53846 73.38476 6.785714 23.64286 13.60714  73.6717     6.8 23.53333    13.7  74.6658

您可能会收到警告:

Warning message:In [.data.table(DT, , :=(as.vector(outer(cols, winsz, FUN = paste, :Invalid .internal.selfref detected and fixed by taking a (shallow) copy of the data.table so that := can add this new column by reference. At an earlier point, this data.table has been copied by R (or was created manually using structure() or similar). Avoid names<- and attr<- which in R currently (and oddly) may copy the whole data.table. Use set* syntax instead to avoid copying: ?set, ?setnames and ?setattr. If this message doesn't help, please report your use case to the data.table issue tracker so the root cause can be fixed or this message improved.

但我认为忽略它是安全的。

关于r - 如何在R data.table中按组进行子集设置时获取不同行数的切片，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/64740630/

文章推荐： r - 如果列中的值不同，则绑定(bind)两个表的行

文章推荐： r - 多个 Dockerfile 的一个 R 包文件

文章推荐： reactjs - 找不到模块 'react-split' 的声明文件

文章推荐： julia - ODE 求解的问题

r - 计算 R 中的 R 平方内、R 平方之间或整体 R 平方
我正在从 Stata 迁移到 R(plm 包)，以便进行面板模型计量经济学。在 Stata 中，面板模型(例如随机效应)通常报告组内、组间和整体 R 平方。 I have found plm 随机效应
r - Revolution R 中的模块是开源的。 R 许可证是否意味着我可以免费使用随附的 R 软件包？
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。想改进这个问题？将问题更新为 on-topic对于堆栈溢出。 6年前关闭。 Improve this qu
r - 如何从 R 中的用户输入中读取向量并将其用于进一步处理 [R]
我想要求用户输入整数值列表。用户可以输入单个值或一组多个值，如 1 2 3(spcae 或逗号分隔)然后使用输入的数据进行进一步计算。我正在使用下面的代码 EXP <- as.integer(rea
r - R 中的分类变量 - R 选择哪一个作为引用？
当 R 使用分类变量执行回归时，它实际上是虚拟编码。也就是说，省略了一个级别作为基础或引用，并且回归公式包括所有其他级别的虚拟变量。但是，R 选择了哪一个作为引用，以及我如何影响这个选择？具有四个级
r - 制作数据框或排名调整后的 R 平方 - R
这个问题基本上是我之前问过的问题的延伸:How to only print (adjusted) R-squared of regression model? 我想建立一个线性回归模型来预测具有 15
r - 将已安装的 R 包传输到另一台计算机上的 R
我在一台安装了多个软件包的 Linux 计算机上安装了 R。现在我正在另一台 Linux 计算机上设置 R。从他们的存储库安装 R 很容易，但我将不得不使用安装许多包 install.package
r - R 中字符的对象大小 - R 全局字符串池如何工作？
我正在阅读 Hadley 的高级 R 编程，当它讨论字符的内存大小时，它说: R has a global string pool. This means that each unique strin
r - 是否写入 "ui.R + server.R"或 "app.R"
我们可以将 Shiny 代码写在两个单独的文件中，"ui.R"和 "server.R" , 或者我们可以将两个模块写入一个文件 "app.R"并调用函数shinyApp() 这两种方法中的任何一种在性
r - 在 .R 文件中保存 R 对象(代码)(R 遗传编程)
我正在使用 R 通过 RGP 包进行遗传编程。环境创造了解决问题的功能。我想将这些函数保存在它们自己的 .R 源文件中。我这辈子都想不通怎么办。我尝试过的一种方法是: bf_str = print(b
r - 如何让 R 在编辑后自动加载我的 .r 文件？
假设我创建了一个函数“function.r”，在编辑该函数后我必须通过 source('function.r') 重新加载到我的全局环境中。无论如何，每次我进行编辑时，我是否可以避免将其重新加载到我的
r - 是否可以在命令行中将代码通过管道传递给 R 或 R 脚本？
例如，test.R 是一个单行文件: $ cat test.R # print('Hello, world!') 我们可以通过Rscript test.R 或R CMD BATCH test.R 来
r - 我可以使用 R 笔记本作为 R 包小插图吗？
我知道我可以使用 Rmd 来构建包插图，但想知道是否可以更具体地使用 R Notebooks 来制作包插图。如果是这样，我需要将 R Notebooks 编写为包小插图有什么不同吗？我正在使用最新版本
r - 在 R 运行时更新 R 包
我正在考虑使用 R 包的共享库进行 R 的站点安装。多台计算机将访问该库，以便每个人共享相同的设置。问题是我注意到有时您无法更新包，因为另一个 R 实例正在锁定库。我不能要求每个人都关闭它的 R
r - 如何从命令行向 R 提供表达式但阻止 R 立即退出？
我知道如何从命令行启动 R 并执行表达式(例如， R -e 'print("hello")' )或从文件中获取输入(例如， R -f filename.r )。但是，在这两种情况下，R 都会运行文件中
r - 从另一个 .r 文件中编辑 .r 文件
我正在尝试使我当前的项目可重现，因此我正在创建一个主文档(最终是一个 .rmd 文件)，用于调用和执行其他几个文档。这样我自己和其他调查员只需要打开和运行一个文件。当前设置分为三层:主文件、2 个读
r - 是否有任何简单的方法可以在 R 中制作不需要安装 R 的桌面应用程序
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。想改进这个问题？将问题更新为 on-topic对于堆栈溢出。 5年前关闭。 Improve this qu
r - 如何在 R 包的手册中包含 Authors@R？
我的 R 包中有以下描述文件 Package: blah Title: What the Package Does (one line, title case) Version: 0.0.0.9000
r - 将 R 代码转换为 R 风格
有没有办法更有效地编写以下语句？accel 是一个数据框。 accel[[2]]<- accel[[2]]-weighted.mean(accel[[2]]) accel[[3]]<- accel[[
r - 安装 R 包时，R 如何检查系统外部依赖项？
例如，在尝试安装 R 包时 curl作为 usethis 的依赖项: * installing *source* package ‘curl’ ... ** package ‘curl’ succes
r - 在 R 包中包含 R 脚本
我想将一些软件作为一个包共享，但我的一些脚本似乎并不能很自然地作为函数运行。例如，考虑以下代码块，其中“raw.df”是一个包含离散和连续类型变量的数据框。函数“count.unique”和“squa

行者123

个人简介

我是一名优秀的程序员,十分优秀！

作者热门文章

滴滴打车优惠券免费领取

全站热门文章

首页

博学

6Ren·AI

商城

r - 如何在R data.table中按组进行子集设置时获取不同行数的切片