3

異なるマシンから 2 セットの測定値があります。それらは、わずかに異なる間隔で経時的に測定されます。たとえば、一方は 5 分ごとに測定しますが、もう一方は 3 分ごとに測定します。利点は、5 分ごとに 1 つが間隔全体の平均として計算されるため、値が互いに大まかに対応する必要があることです。その値が 5 分ごとに行われた測定値のベクトルの値とほぼ同期するように、5 分ごとの測定値 (ライト) でベクトルを拡張したいと思います。次に、ギャップを前の値で埋める必要があります

5分ごとのデータの例を次に示します

Date             Light 
26/05/2011 16:00 -529.98            
26/05/2011 16:05 -276.68            
26/05/2011 16:10 -179.63            
26/05/2011 16:15 -385.57            
26/05/2011 16:20 -1273.6            
26/05/2011 16:25 -1109.7

および 3 分ごとのデータ

    Date             Flux 
26/05/2011 16:01     0.64
26/05/2011 16:04    -1.96
26/05/2011 16:07    -0.51
26/05/2011 16:10    -1.34
26/05/2011 16:13    -1.28
26/05/2011 16:15    -0.22

また、光測定のベクトル (5 分ごと) が 3 分ごとのベクトルよりも短いことにも注意してください。したがって、目標は、5 分間の測定値のベクトルを 3 分間のベクトルと同じ長さにすることです。

これは非常にトリッキーな問題であることは承知していますが、どんな提案でも大歓迎です。

4

2 に答える 2

3

データポイント間を線形補間する約を使用できます。簡単な例を次に示します。

x = sort( rnorm(20) )
y = 1:20
plot(x, y, main = 'function interpolation example' )
points(approx(x, y), col = 2, pch = 3 )

補間するポイントの数を指定するには、次のようにxoutパラメーターを使用できます。

points( approx( x, y, xout = seq( from = min(x), to = max(x), by = 0.1 ) ), pch = 3, col = 3 )

その他の補間点について：

points( approx( x, y, xout = seq( from = min(x), to = max(x), by = 0.05 ) ), pch = 3, col = 4 )

特定の例では、両方のマシンからの時点の共通部分を使用して、両方の関数のx、y値を補間するようなことをしたいと思います。ここに1つの提案があります：

x_interp = unique( sort( c(seq( from = 0, to = 100, by = 5 ), seq( from = 0, to = 100, by = 3 ) ) ) )
x_interp
 [1]   0   3   5   6   9  10  12  15  18  20  21  24  25  27  30  33  35
[18]  36  39  40  42  45  48  50  51  54  55  57  60  63  65  66  69  70
[35]  72  75  78  80  81  84  85  87  90  93  95  96  99 100

次に、このx_interpをxoutとして使用して、両方のマシンのポイント間を補間できます。

par( mfrow = c(1,2) )
plot( x_light, y_light )
points(approx(x_light, y_light, x_out = x_interp), col = 2, pch = 3 )

plot( x_flux, y_flux )
points(approx(x_flux, y_flux, x_out = x_interp), col = 3, pch = 3 )

任意の入力の値を補間する関数を取得したい場合は、approxfunと呼ばれる関連関数を参照してください。

于 2011-06-23T17:11:25.543 に答える
3

私の理解が正しければ、これはzooまたはxtsで簡単に実現できます。まず、サンプル データは次のとおりです。

Lines1 <- "Date,Light
26/05/2011 16:00,-529.98
26/05/2011 16:05,-276.68
26/05/2011 16:10,-179.63
26/05/2011 16:15,-385.57
26/05/2011 16:20,-1273.6
26/05/2011 16:25,-1109.7"

Lines2 <- "Date,Flux
26/05/2011 16:01,0.64
26/05/2011 16:04,-1.96
26/05/2011 16:07,-0.51
26/05/2011 16:10,-1.34
26/05/2011 16:13,-1.28
26/05/2011 16:15,-0.22"

con <- textConnection(Lines1)
Light <- read.csv(con, stringsAsFactors=FALSE, header=TRUE)
close(con)
con <- textConnection(Lines2)
Flux <- read.csv(con, stringsAsFactors=FALSE, header=TRUE)
close(con)

次に、zoo もロードする xts パッケージをロードします。次に、LightおよびFluxdata.frame オブジェクトを xts オブジェクトに変換します。

library(xts)
light <- xts(Light$Light, as.POSIXct(Light$Date, format="%d/%m/%Y %H:%M"))
flux <- xts(Flux$Flux, as.POSIXct(Flux$Date, format="%d/%m/%Y %H:%M"))

これが素晴らしい部分です。 各シリーズをインデックスで整列します merge.xts。それぞれに前の値を入力します。merge.zoona.locfNA

Data <- merge(light,flux)
#                        light  flux
# 2011-05-26 16:00:00  -529.98    NA
# 2011-05-26 16:01:00       NA  0.64
# 2011-05-26 16:04:00       NA -1.96
# 2011-05-26 16:05:00  -276.68    NA
# 2011-05-26 16:07:00       NA -0.51
# 2011-05-26 16:10:00  -179.63 -1.34
# 2011-05-26 16:13:00       NA -1.28
# 2011-05-26 16:15:00  -385.57 -0.22
# 2011-05-26 16:20:00 -1273.60    NA
# 2011-05-26 16:25:00 -1109.70    NA
Data <- na.locf(Data)

最後に、マージされたDataオブジェクトから 3 分のインデックスを抽出できます。

Data[index(flux),]
#                       light  flux
# 2011-05-26 16:01:00 -529.98  0.64
# 2011-05-26 16:04:00 -529.98 -1.96
# 2011-05-26 16:07:00 -276.68 -0.51
# 2011-05-26 16:10:00 -179.63 -1.34
# 2011-05-26 16:13:00 -179.63 -1.28
# 2011-05-26 16:15:00 -385.57 -0.22
于 2011-06-23T18:50:24.963 に答える