Rのグループ化されたデータの条件付き削除R

Question

私はいくつかのゲージステーションの1950〜2015年の間の毎年の年間平均降雨量を抽出しようとしています。降雨量データセットは日々の測定値で構成されています。

各ステーションの年間平均を計算する前に、データをフィルタリングして、毎月のデータが15日を超えないようにする必要があります。

これはどのようにRで実行できますか？

これは実施例としよう：私は「平均値からの平均」を取っているとして、しかし、これは間違った解決策につながる

result<-df %>% 
    group_by(id,year,month) %>% 
    summarise(No._of_days=n(),mean_month=mean(value)) 
result<-result[!(result$No._of_days<15),] 
result<-result %>% 
    group_by(id,year) %>% 
    summarise(No._of_months=n(),mean_year=mean(mean_month)) 

：

id<-rep(c("Station_1","Station_2","Station_3"),length(1),each=1080) 
year<-rep(c(1950:1952),length(1:3),each=360) 
month <- rep(c(1:12),length(1:9),each=30) 
day <- rep(c(1:30),length(1:108)) 
value<-runif(3240, min=0, max=10) 

df<-data.frame(cbind(id,year,month,day,value)) 

私のようなものを試してみました。

ありがとうございました。

Answer 1

生データ：データフレームの作成中に変数のデフォルトの因数分解を削除します。

df<-data.frame(id = id,year = year, month = month, day = day, value = value, stringsAsFactors = FALSE) 

グループデータid, year, monthによると.N内部変数を使用してサブセットの日数を取得します。次に、結果をチェーンします（dplyrの％>％に似ています）。グループid, year、続いて条件N > 15、そして最後にそのサブセットの降雨量meanが計算され、avg_rainfallに格納されます。

setDTは、理由の要因として、あなたがそれを作成する方法、コードのすべての参照

library("data.table") 
setDT(df)[, .(value, .N), by = .(id, year, month)][N > 15, .(avg_rainfall = mean(value)), by = .(id, year)] 

#   id year avg_rainfall 
# 1: Station_1 1950  4.852840 
# 2: Station_1 1951  5.138069 
# 3: Station_1 1952  4.934006 
# 4: Station_2 1950  4.870335 
# 5: Station_2 1951  5.179425 
# 6: Station_2 1952  5.055026 
# 7: Station_3 1950  4.959524 
# 8: Station_3 1951  5.049996 
# 9: Station_3 1952  4.927548 

Answer 2

いくつか、例えばdata.frameによってデータテーブルにデータフレームに変換します。代わりにこれを使用します。

df<-data.frame(id = id, 
       year = year, 
       month = month, 
       day = day, 
       value = value) 

その後（と私は申し訳ありません、私はmagrittrファンではない）、以下は動作します：

# Filter into a new data.frame 
df2 <- semi_join(df, 
      filter(summarise(group_by(df, year, month), N = n()), N > 15), 
      by = c(year = "year", 
       month = "month")) 

# Summarise 
summarise(group_by(df2, id), 
      value = mean(value, na.rm = TRUE)) 

Answer 3

がコードにのみ焦点を当て、それはいくつかと、私の作品変更。例えば。 15日以上のデータを必要としますが、> 14を選択するように書いてください。また、dfの値ではなく、数値が数値であることを確認してください。

`df<-data.frame(cbind(id,year,month,day,value)) 
df$value<- as.numeric(as.character(df$value)) 
    result<-df %>% 
    group_by(id,year,month) %>% 
    summarise(No._of_days=n(),mean_month=mean(value)) 
result<-result[!(result$No._of_days<=15),] 
result<-result %>% 
    group_by(id,year) %>% 
    summarise(No._of_months=n(),mean_year=mean(mean_month))` 

コードを別にしてください：このアプローチは私には分かりません。なぜ年次集計の測定値が16未満のすべてを除外したいのですか？あなたの測定値が本当にランダムに存在する場合は、あなたが持っている値を使用して、あなたのデータセットの欠損日をすべて忘れないでください（例えば、各ステーションの回帰、年（連続）、暦年、日）。 dplyrとmagrittrを用い

Answer 4

Aわずかに異なるアプローチが：

library(dplyr) 
set.seed(42) # this is only so we get consistent results to compare 

# then generate id, year month, day, and value using your code 
# but use what @NJBurgo used to generate df 

df<-data.frame(id = id, 
     year = year, 
     month = month, 
     day = day, 
     value = value) 

result <- df %>% 
    group_by(id,year,month) %>% 
    mutate(No._of_days=n()) %>% 
    filter(No._of_days > 15) %>% ## keep only rows with number of days greater than 15 
    ungroup() %>% 
    group_by(id,year) %>% 
    summarize(mean_year=mean(value)) 

# using set.seed(42), you should get 
print(result) 
##   id year mean_year 
##  <fctr> <int>  <dbl> 
##1 Station_1 1950 4.954538 
##2 Station_1 1951 4.878709 
##3 Station_1 1952 4.737996 
##4 Station_2 1950 4.942614 
##5 Station_2 1951 4.876992 
##6 Station_2 1952 5.193242 
##7 Station_3 1950 5.235278 
##8 Station_3 1951 4.955401 
##9 Station_3 1952 4.905078 

キー（id、year、及びmonthでグループ化された）filtergroup_by行にあります。私もsummariseの代わりにmutateを使用して​​を作成しました。次にungroup()とし、平均を計算するためにidとyearで再編成します。

すべての月に30日があるため、テストケースではこれをテストするには不十分です。

これが役に立ちます。