R: сделать расчет для каждого уровня фактора в отдельности, затем рассчитать минимальное / среднее / максимальное по уровням - PullRequest
Новая
       62

R: сделать расчет для каждого уровня фактора в отдельности, затем рассчитать минимальное / среднее / максимальное по уровням

0 голосов
/ 13 сентября 2018

Итак, у меня есть выходные данные модели распределения воды, которая представляет собой значения притока и расхода воды в реке за каждый час. Я сделал 5 прогонов модели

Воспроизводимый пример: 

df <- data.frame(rep(seq(
                  from=as.POSIXct("2012-1-1 0:00", tz="UTC"),
                  to=as.POSIXct("2012-1-1 23:00", tz="UTC"),
                  by="hour"
                  ),5),
                as.factor(c(rep(1,24),rep(2,24),rep(3,24), rep(4,24),rep(5,24))),
                rep(seq(1,300,length.out=24),5),
                rep(seq(1,180, length.out=24),5) )

colnames(df)<-c("time", "run", "inflow", "discharge")

В действительности, конечно, значения для пробегов варьируются. (И у меня действительно много других данных, поскольку у меня есть 100 прогонов и почасовые значения 35 лет).

Итак, сначала я хотел бы рассчитать коэффициент нехватки воды для каждого прогона, что означает, что мне нужно рассчитать что-то вроде (1 - (сброс / приток за 6 часов до)), так как для работы воды требуется 6 часов через водосбор. 

 scarcityfactor <- 1 - (discharge / lag(inflow,6))

И затем я хочу вычислить среднее, максимальное и минимальное коэффициентов дефицита по всем прогонам (чтобы определить самое высокое, минимальное и среднее значение дефицита, которое может произойти на каждом временном шаге; в соответствии с различными прогонами модели ). Поэтому я бы сказал, что я мог бы просто рассчитать среднее, максимальное и минимальное значения для каждого временного шага: 

f1 <- function(x) c(Mean = (mean(x)), Max = (max(x)), Min = (min(x)))
results <- do.call(data.frame, aggregate(scarcityfactor ~ time, 
      data = df,                                                              
      FUN = f1))

Кто-нибудь может мне помочь с кодом ??

Ответы [ 2 ]

0 голосов
/ 13 сентября 2018

Я считаю, что это то, что вы хотите, если я правильно понимаю описание проблемы.

Я буду использовать data.table: 

library(data.table)
setDT(df)

# add scarcity_factor (group by run)
df[ , scarcity_factor := 1 - discharge/shift(inflow, 6L), by = run]

# group by time, excluding times for which the
#   scarcity factor is missing
df[!is.na(scarcity_factor), by = time,
   .(min_scarcity = min(scarcity_factor),
     mean_scarcity = mean(scarcity_factor),
     max_scarcity = max(scarcity_factor))]

#                    time  min_scarcity mean_scarcity  max_scarcity
#  1: 2012-01-01 06:00:00 -46.695652174 -46.695652174 -46.695652174
#  2: 2012-01-01 07:00:00  -2.962732919  -2.962732919  -2.962732919
#  3: 2012-01-01 08:00:00  -1.342995169  -1.342995169  -1.342995169
#  4: 2012-01-01 09:00:00  -0.776086957  -0.776086957  -0.776086957
#  5: 2012-01-01 10:00:00  -0.487284660  -0.487284660  -0.487284660
#  6: 2012-01-01 11:00:00  -0.312252964  -0.312252964  -0.312252964
#  7: 2012-01-01 12:00:00  -0.194826637  -0.194826637  -0.194826637
#  8: 2012-01-01 13:00:00  -0.110586011  -0.110586011  -0.110586011
#  9: 2012-01-01 14:00:00  -0.047204969  -0.047204969  -0.047204969
# 10: 2012-01-01 15:00:00   0.002210759   0.002210759   0.002210759
# 11: 2012-01-01 16:00:00   0.041818785   0.041818785   0.041818785
# 12: 2012-01-01 17:00:00   0.074275362   0.074275362   0.074275362
# 13: 2012-01-01 18:00:00   0.101356965   0.101356965   0.101356965
# 14: 2012-01-01 19:00:00   0.124296675   0.124296675   0.124296675
# 15: 2012-01-01 20:00:00   0.143977192   0.143977192   0.143977192
# 16: 2012-01-01 21:00:00   0.161047028   0.161047028   0.161047028
# 17: 2012-01-01 22:00:00   0.175993343   0.175993343   0.175993343
# 18: 2012-01-01 23:00:00   0.189189189   0.189189189   0.189189189

Вы можете быть немного более кратким, lapply используя различные агрегаторы: 

df[!is.na(scarcity_factor), by = time,
   lapply(list(min, mean, max), function(f) f(scarcity_factor))]

Наконец, вымог бы подумать об этом как о преобразовании с агрегацией и использовать dcast: 

dcast(df, time ~ ., value.var = 'scarcity_factor',
      fun.aggregate = list(min, mean, max))

(используйте df[!is.na(scarcity_factor)] в первом аргументе dcast, если вы хотите исключить бессмысленные строки)

0 голосов
/ 13 сентября 2018 
library(tidyverse)

df %>%
  group_by(run) %>%
  mutate(scarcityfactor = 1 - discharge / lag(inflow,6)) %>%
  group_by(time) %>%
  summarise(Mean = mean(scarcityfactor), 
            Max = max(scarcityfactor), 
            Min = min(scarcityfactor))

# # A tibble: 24 x 4
#  time                   Mean     Max     Min
#  <dttm>                <dbl>   <dbl>   <dbl>
# 1 2012-01-01 00:00:00  NA      NA      NA    
# 2 2012-01-01 01:00:00  NA      NA      NA    
# 3 2012-01-01 02:00:00  NA      NA      NA    
# 4 2012-01-01 03:00:00  NA      NA      NA    
# 5 2012-01-01 04:00:00  NA      NA      NA    
# 6 2012-01-01 05:00:00  NA      NA      NA    
# 7 2012-01-01 06:00:00 -46.7   -46.7   -46.7  
# 8 2012-01-01 07:00:00  -2.96   -2.96   -2.96 
# 9 2012-01-01 08:00:00  -1.34   -1.34   -1.34 
#10 2012-01-01 09:00:00  -0.776  -0.776  -0.776
# # ... with 14 more rows
...