2列のデータがあります。1つの列では日付であり、別の列ではフローデータです。
データを日付とフローのデータとして読み取ることができました。次のコードを使用しました。
creek <- read.csv("creek.csv")
library(ggplot2)
creek[1:10,]
colnames(creek) <- c("date","flow")
creek$date <- as.Date(creek$date, "%m/%d/%Y")
私のデータへのリンクはhttps://www.dropbox.com/s/eqpena3nk82x67e/creek.csvです。
さて、毎年のまとめを見つけたいと思います。特に平均値、中央値、最大値などを知りたいです。
ありがとう。
よろしく、Jdbaba
ベースRからの2つの方法があります。
最初は、、cutおよびsplitを使用lapplyしsummaryます。
creekFlowSummary <- lapply(split(creek, cut(creek$date, "1 year")),
function(x) summary(x[2]))
これにより、が作成されますlist。対応するリストのインデックスまたは名前にアクセスすると、さまざまな年の要約を表示できます。
creekFlowSummary[1]
# $`1999-01-01`
# flow
# Min. :0.3187
# 1st Qu.:0.3965
# Median :0.4769
# Mean :0.6366
# 3rd Qu.:0.5885
# Max. :7.2560
#
creekFlowSummary["2000-01-01"]
# $`2000-01-01`
# flow
# Min. :0.1370
# 1st Qu.:0.1675
# Median :0.2081
# Mean :0.2819
# 3rd Qu.:0.2837
# Max. :2.3800
2番目の使用法aggregate：
aggregate(flow ~ cut(date, "1 year"), creek, summary)
# cut(date, "1 year") flow.Min. flow.1st Qu. flow.Median flow.Mean flow.3rd Qu. flow.Max.
# 1 1999-01-01 0.3187 0.3965 0.4770 0.6366 0.5885 7.2560
# 2 2000-01-01 0.1370 0.1675 0.2081 0.2819 0.2837 2.3800
# 3 2001-01-01 0.1769 0.2062 0.2226 0.2950 0.2574 2.9220
# 4 2002-01-01 0.1279 0.1781 0.2119 0.5346 0.4966 14.3900
# 5 2003-01-01 0.3492 0.4761 0.7173 1.0350 1.0840 10.1500
# 6 2004-01-01 0.4178 0.5379 0.6524 0.9691 0.9020 11.7100
# 7 2005-01-01 0.4722 0.6094 0.7279 1.2340 1.0900 17.7200
# 8 2006-01-01 0.2651 0.3275 0.4282 0.5459 0.5758 3.3510
# 9 2007-01-01 0.2784 0.3557 0.4041 0.6331 0.6125 9.6290
# 10 2008-01-01 0.4131 0.5430 0.6477 0.8792 0.9540 4.5960
# 11 2009-01-01 0.3877 0.4572 0.5945 0.8465 0.8309 6.3830
aggregateただし、解決策には注意してください。すべての要約情報は単一のマトリックスです。出力を表示strして、私が何を意味するかを確認してください。
xtsもちろん、これを行うには他の方法があります。1つの方法は、xtsパッケージを使用することです。
まず、データを次のように変換しますxts。
library(xts)
creekx <- xts(creek$flow, order.by=creek$date)
次に、apply.yearly興味のある機能を使用します。
年間平均は次のとおりです。
apply.yearly(creekx, mean)
# [,1]
# 1999-12-31 0.6365604
# 2000-12-31 0.2819057
# 2001-12-31 0.2950348
# 2002-12-31 0.5345666
# 2003-12-31 1.0351742
# 2004-12-31 0.9691180
# 2005-12-31 1.2338066
# 2006-12-31 0.5458652
# 2007-12-31 0.6331271
# 2008-12-31 0.8792396
# 2009-09-30 0.8465300
そして、年間最大値：
apply.yearly(creekx, max)
# [,1]
# 1999-12-31 7.256
# 2000-12-31 2.380
# 2001-12-31 2.922
# 2002-12-31 14.390
# 2003-12-31 10.150
# 2004-12-31 11.710
# 2005-12-31 17.720
# 2006-12-31 3.351
# 2007-12-31 9.629
# 2008-12-31 4.596
# 2009-09-30 6.383
または、次のようにまとめます。apply.yearly(creekx, function(x) cbind(mean(x), sum(x), max(x)))
data.tabledata.table特に大量のデータを処理している場合は、パッケージも興味深い場合があります。これdata.tableがアプローチです。重要なのはas.IDate、次のデータを読み取っているときに「日付」列で使用することです。
library(data.table)
DT <- data.table(date = as.IDate(creek$date), creek[-1])
DT[, list(mean = mean(flow),
tot = sum(flow),
max = max(flow)),
by = year(date)]
# year mean tot max
# 1: 1999 0.6365604 104.3959 7.256
# 2: 2000 0.2819057 103.1775 2.380
# 3: 2001 0.2950348 107.6877 2.922
# 4: 2002 0.5345666 195.1168 14.390
# 5: 2003 1.0351742 377.8386 10.150
# 6: 2004 0.9691180 354.6972 11.710
# 7: 2005 1.2338066 450.3394 17.720
# 8: 2006 0.5458652 199.2408 3.351
# 9: 2007 0.6331271 231.0914 9.629
# 10: 2008 0.8792396 321.8017 4.596
# 11: 2009 0.8465300 231.1027 6.383
@anandaのコードを使用して、年を含む追加の列、カットを含む行を作成できます。列名がyearであるとすると、plyrパッケージのddplyを使用できます。
ddply(creek, .(year), summarise, mm = mean(flow), me = median(flow), ...etc)
@Paulsコードは、plyrパッケージの次のイテレーションであるdplyrパッケージで書き直すことができます。
summarize() creek <- mutate(creek, year = as.POSIXlt(date)$year + 1900)
years <- group_by(creek, year)
summarize(years, mm= mean(flow),
tot= sum(flow),
max = max(flow, na.rm = TRUE))
これは、 RogerPengによる素晴らしいdplyrチュートリアルです。
ベースR
非常に基本的な応答ですが、特定の年の概要をsummary()いつでも使用できます。subset()これの利点は、準備に数秒かかることです。
summary(subset(df,Year == '####'))