Суммируйте почасовые данные в ежедневные данные в списке в R - PullRequest
Новая
       47

Суммируйте почасовые данные в ежедневные данные в списке в R

1 голос
/ 03 апреля 2020

Я пытаюсь обобщить почасовые данные измерений для суточных данных для каждого элемента в списке.

Список выглядит так: 

SE104:List of 3
  ..$ d20:List of 11
  .. ..$ 2009:'data.frame': 8760 obs. of  2 variables:
  .. .. ..$ Date: Date[1:8760], format: "2009-01-01" "2009-01-01" "2009-01-01" ...
  .. .. ..$ SWC : num [1:8760] NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN ...
  .. ..$ 2010:'data.frame': 8760 obs. of  2 variables:
  .. .. ..$ Date: Date[1:8760], format: "2010-01-01" "2010-01-01" "2010-01-01" ...
  .. .. ..$ SWC : num [1:8760] NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN ...
  .. ..$ 2011:'data.frame': 8760 obs. of  2 variables:
  .. .. ..$ Date: Date[1:8760], format: "2011-01-01" "2011-01-01" "2011-01-01" ...
  .. .. ..$ SWC : num [1:8760] NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN ...
  .. ..$ 2012:'data.frame': 8784 obs. of  2 variables:
  .. .. ..$ Date: Date[1:8784], format: "2012-01-01" "2012-01-01" "2012-01-01" ...
  .. .. ..$ SWC : num [1:8784] 43.1 43 42.8 42.7 42.7 ...
  .. ..$ 2013:'data.frame': 8760 obs. of  2 variables:
  .. .. ..$ Date: Date[1:8760], format: "2013-01-01" "2013-01-01" "2013-01-01" ...
  .. .. ..$ SWC : num [1:8760] NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN ...
  .. ..$ 2014:'data.frame': 8760 obs. of  2 variables:
  .. .. ..$ Date: Date[1:8760], format: "2014-01-01" "2014-01-01" "2014-01-01" ...
  .. .. ..$ SWC : num [1:8760] 37.2 37.2 37.3 37.2 37.1 ...
  .. ..$ 2015:'data.frame': 8760 obs. of  2 variables:
  .. .. ..$ Date: Date[1:8760], format: "2015-01-01" "2015-01-01" "2015-01-01" ...
  .. .. ..$ SWC : num [1:8760] 37.3 37.3 37.3 37.3 37.3 ...
  .. ..$ 2016:'data.frame': 8784 obs. of  2 variables:
  .. .. ..$ Date: Date[1:8784], format: "2016-01-01" "2016-01-01" "2016-01-01" ...
  .. .. ..$ SWC : num [1:8784] 36 36 36 36 35.9 ...
  .. ..$ 2017:'data.frame': 8760 obs. of  2 variables:
  .. .. ..$ Date: Date[1:8760], format: "2017-01-01" "2017-01-01" "2017-01-01" ...
  .. .. ..$ SWC : num [1:8760] 32.9 32.9 32.9 32.9 32.9 ...
  .. ..$ 2018:'data.frame': 8760 obs. of  2 variables:
  .. .. ..$ Date: Date[1:8760], format: "2018-01-01" "2018-01-01" "2018-01-01" ...
  .. .. ..$ SWC : num [1:8760] 35 35.1 35.2 35.2 35.2 ...
  .. ..$ 2019:'data.frame': 8760 obs. of  2 variables:
  .. .. ..$ Date: Date[1:8760], format: "2019-01-01" "2019-01-01" "2019-01-01" ...
  .. .. ..$ SWC : num [1:8760] NaN NaN NaN NaN NaN ...
  ..$ d50:List of 11
  .. ..$ 2009:'data.frame': 8760 obs. of  2 variables:
  .. .. ..$ Date: Date[1:8760], format: "2009-01-01" "2009-01-01" "2009-01-01" ...
  .. .. ..$ SWC : num [1:8760] NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN ...
  .. ..$ 2010:'data.frame': 8760 obs. of  2 variables:
  .. .. ..$ Date: Date[1:8760], format: "2010-01-01" "2010-01-01" "2010-01-01" ...
  .. .. ..$ SWC : num [1:8760] NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN ...
  .. ..$ 2011:'data.frame': 8760 obs. of  2 variables:
  .. .. ..$ Date: Date[1:8760], format: "2011-01-01" "2011-01-01" "2011-01-01" ...
  .. .. ..$ SWC : num [1:8760] NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN ...
  .. ..$ 2012:'data.frame': 8784 obs. of  2 variables:
  .. .. ..$ Date: Date[1:8784], format: "2012-01-01" "2012-01-01" "2012-01-01" ...
  .. .. ..$ SWC : num [1:8784] 39.8 39.6 39.4 39.3 39.3 ...
  .. ..$ 2013:'data.frame': 8760 obs. of  2 variables:
  .. .. ..$ Date: Date[1:8760], format: "2013-01-01" "2013-01-01" "2013-01-01" ...
  .. .. ..$ SWC : num [1:8760] NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN ...
  .. ..$ 2014:'data.frame': 8760 obs. of  2 variables:
  .. .. ..$ Date: Date[1:8760], format: "2014-01-01" "2014-01-01" "2014-01-01" ...
  .. .. ..$ SWC : num [1:8760] 32.7 32.7 32.8 32.7 32.7 ...
  .. ..$ 2015:'data.frame': 8760 obs. of  2 variables:
  .. .. ..$ Date: Date[1:8760], format: "2015-01-01" "2015-01-01" "2015-01-01" ...
  .. .. ..$ SWC : num [1:8760] 33.2 33.2 33.2 33.2 33.2 ...
  .. ..$ 2016:'data.frame': 8784 obs. of  2 variables:
  .. .. ..$ Date: Date[1:8784], format: "2016-01-01" "2016-01-01" "2016-01-01" ...
  .. .. ..$ SWC : num [1:8784] 31.9 31.9 31.9 31.9 31.9 ...
  .. ..$ 2017:'data.frame': 8760 obs. of  2 variables:
  .. .. ..$ Date: Date[1:8760], format: "2017-01-01" "2017-01-01" "2017-01-01" ...
  .. .. ..$ SWC : num [1:8760] 27.9 27.9 27.9 27.9 27.9 ...
  .. ..$ 2018:'data.frame': 8760 obs. of  2 variables:
  .. .. ..$ Date: Date[1:8760], format: "2018-01-01" "2018-01-01" "2018-01-01" ...
  .. .. ..$ SWC : num [1:8760] 29.2 29.2 29.2 29.2 29.2 ...
  .. ..$ 2019:'data.frame': 8760 obs. of  2 variables:
  .. .. ..$ Date: Date[1:8760], format: "2019-01-01" "2019-01-01" "2019-01-01" ...
  .. .. ..$ SWC : num [1:8760] NaN NaN NaN NaN NaN ...
  ..$ d5 :List of 11
  .. ..$ 2009:'data.frame': 8760 obs. of  2 variables:
  .. .. ..$ Date: Date[1:8760], format: "2009-01-01" "2009-01-01" "2009-01-01" ...
  .. .. ..$ SWC : num [1:8760] NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN ...
  .. ..$ 2010:'data.frame': 8760 obs. of  2 variables:
  .. .. ..$ Date: Date[1:8760], format: "2010-01-01" "2010-01-01" "2010-01-01" ...
  .. .. ..$ SWC : num [1:8760] NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN ...
  .. ..$ 2011:'data.frame': 8760 obs. of  2 variables:
  .. .. ..$ Date: Date[1:8760], format: "2011-01-01" "2011-01-01" "2011-01-01" ...
  .. .. ..$ SWC : num [1:8760] NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN ...
  .. ..$ 2012:'data.frame': 8784 obs. of  2 variables:
  .. .. ..$ Date: Date[1:8784], format: "2012-01-01" "2012-01-01" "2012-01-01" ...
  .. .. ..$ SWC : num [1:8784] 58.4 58.4 58.3 58.2 58.2 ...
  .. ..$ 2013:'data.frame': 8760 obs. of  2 variables:
  .. .. ..$ Date: Date[1:8760], format: "2013-01-01" "2013-01-01" "2013-01-01" ...
  .. .. ..$ SWC : num [1:8760] NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN ...
  .. ..$ 2014:'data.frame': 8760 obs. of  2 variables:
  .. .. ..$ Date: Date[1:8760], format: "2014-01-01" "2014-01-01" "2014-01-01" ...
  .. .. ..$ SWC : num [1:8760] 47.4 47.4 47.4 47.4 47.4 ...
  .. ..$ 2015:'data.frame': 8760 obs. of  2 variables:
  .. .. ..$ Date: Date[1:8760], format: "2015-01-01" "2015-01-01" "2015-01-01" ...
  .. .. ..$ SWC : num [1:8760] 49 49.1 49 49.1 49.1 ...
  .. ..$ 2016:'data.frame': 8784 obs. of  2 variables:
  .. .. ..$ Date: Date[1:8784], format: "2016-01-01" "2016-01-01" "2016-01-01" ...
  .. .. ..$ SWC : num [1:8784] 43.7 43.7 43.7 43.8 43.7 ...
  .. ..$ 2017:'data.frame': 8760 obs. of  2 variables:
  .. .. ..$ Date: Date[1:8760], format: "2017-01-01" "2017-01-01" "2017-01-01" ...
  .. .. ..$ SWC : num [1:8760] 39.1 39.2 39.1 39.2 39.2 ...
  .. ..$ 2018:'data.frame': 8760 obs. of  2 variables:
  .. .. ..$ Date: Date[1:8760], format: "2018-01-01" "2018-01-01" "2018-01-01" ...
  .. .. ..$ SWC : num [1:8760] 45.8 46 46 45.9 45.7 ...
  .. ..$ 2019:'data.frame': 8760 obs. of  2 variables:
  .. .. ..$ Date: Date[1:8760], format: "2019-01-01" "2019-01-01" "2019-01-01" ...
  .. .. ..$ SWC : num [1:8760] NaN NaN NaN NaN NaN ...
 $ SE105:List of 3
  ..$ d20:List of 11
  .. ..$ 2009:'data.frame': 8760 obs. of  2 variables:
  .. .. ..$ Date: Date[1:8760], format: "2009-01-01" "2009-01-01" "2009-01-01" ...
  .. .. ..$ SWC : num [1:8760] NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN ...
  .. ..$ 2010:'data.frame': 8760 obs. of  2 variables:
  .. .. ..$ Date: Date[1:8760], format: "2010-01-01" "2010-01-01" "2010-01-01" ...
  .. .. ..$ SWC : num [1:8760] 45.4 45.2 45 44.9 44.8 ...
  .. ..$ 2011:'data.frame': 8760 obs. of  2 variables:
  .. .. ..$ Date: Date[1:8760], format: "2011-01-01" "2011-01-01" "2011-01-01" ...
  .. .. ..$ SWC : num [1:8760] 39.6 39.6 39.6 39.6 39.6 ...
  .. ..$ 2012:'data.frame': 8784 obs. of  2 variables:
  .. .. ..$ Date: Date[1:8784], format:

Итак, вы можете видеть, что мой список имеет несколько уровней. Первый уровень - большой список, содержащий 150 списков. Каждый список из этих 150 списков содержит 3 списка (d20, d50, d5), которые содержат 11 кадров данных для каждого года с 2009 по 2009 годы.

Каждый кадр данных, хранящийся в списке, выглядит следующим образом: 

structure(list(Date = structure(c(14245, 14245, 14245, 14245, 
14245, 14245, 14245, 14245, 14245, 14245, 14245, 14245, 14245, 
14245, 14245, 14245, 14245, 14245, 14245, 14245, 14245, 14245, 
14245, 14245, 14246, 14246, 14246, 14246, 14246, 14246), class = "Date"), 
    SWC = c(NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, 
    NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, 
    NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN)), row.names = c(NA, 
30L), class = "data.frame")

Я хочу суммировать данные, чтобы получить одно значение за каждый день, я смог сделать это только для одного кадра данных, который я поместил в подмножество, но я не могу сделать это для каждого элемента в списке. Я думаю, что должен использовать lapply (), но я не могу понять, как это сделать. Вот как это должно выглядеть: 

        Date mean_SWC
1 2009-01-01      NaN
2 2009-01-02      NaN

Буду признателен за помощь! Пользователь уже помог мне с функцией lapply () в другом вопросе, но, похоже, я не понял, как его использовать, так как я не могу сделать это здесь. Поэтому, если кто-то может помочь и действительно использует lapply (), я был бы признателен, если бы мне это объяснили.

Ответы [ 2 ]

1 голос
/ 03 апреля 2020

У вас есть вложенный список (датчики) списков (измерений) списков (фреймов данных), где каждый из них хочет lapply.

Я уверен, что есть также решение rapply Возможно, хотя.

Поскольку я ответил на один из ваших предыдущих вопросов Я предполагаю, что вы хотите выполнить агрегацию по каждому датчику.

Вы можете уточнить lapply подход, свернув некоторые из подсписков. Поэтому вы могли бы рассмотреть, например, эти три решения.

Решение 1

Получение структуры списка, аналогичной исходной, всего лишь дней aggregate d для каждого года. 

res1 <- lapply(dat, function(se)
  lapply(se, function(m)
    lapply(m, function(d) 
      aggregate(swc ~ date, d, sum))))

Структура результирующего списка 

str(res1, 3)
# List of 3
#  $ SE104:List of 3
#   ..$ d20:List of 11
#   .. ..$ 2009:'data.frame':   365 obs. of  2 variables:
#   .. ..$ 2010:'data.frame':   365 obs. of  2 variables:
#   .. ..$ 2011:'data.frame':   365 obs. of  2 variables:
#   .. ..$ 2012:'data.frame':   366 obs. of  2 variables:
#   .. ..$ 2013:'data.frame':   365 obs. of  2 variables:
#   .. ..$ 2014:'data.frame':   365 obs. of  2 variables:
#   .. ..$ 2015:'data.frame':   365 obs. of  2 variables:
#   .. ..$ 2016:'data.frame':   366 obs. of  2 variables:
#   .. ..$ 2017:'data.frame':   365 obs. of  2 variables:
#   .. ..$ 2018:'data.frame':   365 obs. of  2 variables:
#   .. ..$ 2019:'data.frame':   365 obs. of  2 variables:
#   ..$ d50:List of 11
#   .. ..$ 2009:'data.frame':   365 obs. of  2 variables:
#   .. ..$ 2010:'data.frame':   365 obs. of  2 variables:
#   .. ..$ 2011:'data.frame':   365 obs. of  2 variables:
#   .. ..$ 2012:'data.frame':   366 obs. of  2 variables:
#   .. ..$ 2013:'data.frame':   365 obs. of  2 variables:
#   .. ..$ 2014:'data.frame':   365 obs. of  2 variables:
#   .. ..$ 2015:'data.frame':   365 obs. of  2 variables:
#   .. ..$ 2016:'data.frame':   366 obs. of  2 variables:
#   .. ..$ 2017:'data.frame':   365 obs. of  2 variables:
#   .. ..$ 2018:'data.frame':   365 obs. of  2 variables:
#   .. ..$ 2019:'data.frame':   365 obs. of  2 variables:
#   ..$ d5 :List of 11
#   .. ..$ 2009:'data.frame':   365 obs. of  2 variables:
#   .. ..$ 2010:'data.frame':   365 obs. of  2 variables:
#   .. ..$ 2011:'data.frame':   365 obs. of  2 variables:
#   .. ..$ 2012:'data.frame':   366 obs. of  2 variables:
#   .. ..$ 2013:'data.frame':   365 obs. of  2 variables:
#   .. ..$ 2014:'data.frame':   365 obs. of  2 variables:
#   .. ..$ 2015:'data.frame':   365 obs. of  2 variables:
#   .. ..$ 2016:'data.frame':   366 obs. of  2 variables:
#   .. ..$ 2017:'data.frame':   365 obs. of  2 variables:
#   .. ..$ 2018:'data.frame':   365 obs. of  2 variables:
#   .. ..$ 2019:'data.frame':   365 obs. of  2 variables:
#  $ SE105:List of 3
#   ..$ d20:List of 11
#   .. ..$ 2009:'data.frame':   365 obs. of  2 variables:
#   .. ..$ 2010:'data.frame':   365 obs. of  2 variables:
#   .. ..$ 2011:'data.frame':   365 obs. of  2 variables:
# [...]

Пример кадра данных результата 

head(res1$SE104$d20$`2009`)
#         date        swc
# 1 2009-01-01   7.642943
# 2 2009-01-02   2.251837
# 3 2009-01-03  -2.579394
# 4 2009-01-04   5.265464
# 5 2009-01-05  -2.891591
# 6 2009-01-06 -12.054497

Решение 1 (расширенное)

Усовершенствованная версия решения 1, которая обходит ошибки от aggregate при ncol(x) == 0 с использованием tryCatch(). 

dat2 <- dat  ## copy of dat
## intentionally make one data frame of nrow == 0
dat2$SE104$d20$`2009` <- data.frame(date=as.Date(character()),
                                    swc=double())

res1.enh <- lapply(dat2, function(se)
  lapply(se, function(m)
    setNames(lapply(1:length(m), function(d) 
      tryCatch(aggregate(swc ~ date, m[[d]], function(x) sum(x, na.rm=TRUE)),
               error=function(e) {
                 ## mimicks aggregate result with NA column for swc
                 y <- as.numeric(names(m)[d])
                 cbind.data.frame(
                   date=as.Date(as.character(seq(ISOdate(y, 1, 1, 0), 
                                                 ISOdate(y, 12, 31, 0), by="day"))),
                   swc=NA)
                 })), names(m))))

Пример результата, когда ncol == 0 

head(res1.enh$SE104$d20$`2009`)
#         date swc
# 1 2009-01-01  NA
# 2 2009-01-02  NA
# 3 2009-01-03  NA
# 4 2009-01-04  NA
# 5 2009-01-05  NA
# 6 2009-01-06  NA

** Нормальный результат *

head(res1.enh$SE104$d20$`2010`)
#         date       swc
# 1 2010-01-01 -1.001692
# 2 2010-01-02 -2.531776
# 3 2010-01-03  6.036390
# 4 2010-01-04 -5.470039
# 5 2010-01-05 -1.659984
# 6 2010-01-06 -8.495954

Решение 2

Как и решение 1, когда годы свернулись. 

res2 <- lapply(dat, function(se)
  lapply(se, function(m)
    aggregate(swc ~ date, do.call(rbind, m), sum)))

Структура полученного результата список 

str(res2)
# List of 3
#  $ SE104:List of 3
#   ..$ d20:'data.frame':   4017 obs. of  2 variables:
#   .. ..$ date: Date[1:4017], format: "2009-01-01" "2009-01-02" "2009-01-03" ...
#   .. ..$ swc : num [1:4017] 7.64 2.25 -2.58 5.27 -2.89 ...
#   ..$ d50:'data.frame':   4017 obs. of  2 variables:
#   .. ..$ date: Date[1:4017], format: "2009-01-01" "2009-01-02" "2009-01-03" ...
#   .. ..$ swc : num [1:4017] -7.658 -10.792 2.617 0.811 4.529 ...
#   ..$ d5 :'data.frame':   4017 obs. of  2 variables:
#   .. ..$ date: Date[1:4017], format: "2009-01-01" "2009-01-02" "2009-01-03" ...
#   .. ..$ swc : num [1:4017] 2.52 2.01 7.26 5.33 -5.01 ...
#  $ SE105:List of 3
#   ..$ d20:'data.frame':   4017 obs. of  2 variables:
#   .. ..$ date: Date[1:4017], format: "2009-01-01" "2009-01-02" "2009-01-03" ...
#   .. ..$ swc : num [1:4017] 5.88 -5.2 -7.11 2.57 2.29 ...
#   ..$ d50:'data.frame':   4017 obs. of  2 variables:
#   .. ..$ date: Date[1:4017], format: "2009-01-01" "2009-01-02" "2009-01-03" ...
#   .. ..$ swc : num [1:4017] -10.09 -6.48 4.57 -7.04 -7.81 ...
#   ..$ d5 :'data.frame':   4017 obs. of  2 variables:
#   .. ..$ date: Date[1:4017], format: "2009-01-01" "2009-01-02" "2009-01-03" ...
#   .. ..$ swc : num [1:4017] -0.329 -4.42 -1.826 -7.249 1.083 ...
#  $ SE106:List of 3
#   ..$ d20:'data.frame':   4017 obs. of  2 variables:
#   .. ..$ date: Date[1:4017], format: "2009-01-01" "2009-01-02" "2009-01-03" ...
#   .. ..$ swc : num [1:4017] 4.905 -4.207 2.128 0.121 -2.668 ...
#   ..$ d50:'data.frame':   4017 obs. of  2 variables:
#   .. ..$ date: Date[1:4017], format: "2009-01-01" "2009-01-02" "2009-01-03" ...
#   .. ..$ swc : num [1:4017] 4.092 -4.983 -7.234 -6.362 -0.135 ...
#   ..$ d5 :'data.frame':   4017 obs. of  2 variables:
#   .. ..$ date: Date[1:4017], format: "2009-01-01" "2009-01-02" "2009-01-03" ...
#   .. ..$ swc : num [1:4017] 2.13 4.26 10.59 0.56 2.36 ...

Пример кадра данных результата 

head(res2$SE104$d20)
#         date        swc
# 1 2009-01-01   7.642943
# 2 2009-01-02   2.251837
# 3 2009-01-03  -2.579394
# 4 2009-01-04   5.265464
# 5 2009-01-05  -2.891591
# 6 2009-01-06 -12.054497

Решение 3

Вид широкого формата решения 2. 

res3 <- lapply(dat, function(se) {
  tmp <- lapply(se, function(m) do.call(data.frame, aggregate(swc ~ date, do.call(rbind, m), sum)))
  data.frame(date=el(tmp)[["date"]], setNames(mapply(`[`, tmp, 2), names(se)))
  })

Структура результирующего списка 

str(res3)
# List of 3
#  $ SE104:'data.frame':    4017 obs. of  4 variables:
#   ..$ date: Date[1:4017], format: "2009-01-01" "2009-01-02" "2009-01-03" ...
#   ..$ d20 : num [1:4017] 7.64 2.25 -2.58 5.27 -2.89 ...
#   ..$ d50 : num [1:4017] -7.658 -10.792 2.617 0.811 4.529 ...
#   ..$ d5  : num [1:4017] 2.52 2.01 7.26 5.33 -5.01 ...
#  $ SE105:'data.frame':    4017 obs. of  4 variables:
#   ..$ date: Date[1:4017], format: "2009-01-01" "2009-01-02" "2009-01-03" ...
#   ..$ d20 : num [1:4017] 5.88 -5.2 -7.11 2.57 2.29 ...
#   ..$ d50 : num [1:4017] -10.09 -6.48 4.57 -7.04 -7.81 ...
#   ..$ d5  : num [1:4017] -0.329 -4.42 -1.826 -7.249 1.083 ...
#  $ SE106:'data.frame':    4017 obs. of  4 variables:
#   ..$ date: Date[1:4017], format: "2009-01-01" "2009-01-02" "2009-01-03" ...
#   ..$ d20 : num [1:4017] 4.905 -4.207 2.128 0.121 -2.668 ...
#   ..$ d50 : num [1:4017] 4.092 -4.983 -7.234 -6.362 -0.135 ...
#   ..$ d5  : num [1:4017] 2.13 4.26 10.59 0.56 2.36 ...

Заголовки трех фреймов данных в результирующем списке 

lapply(res3, head)
# $SE104
#         date        d20         d50        d5
# 1 2009-01-01   7.642943  -7.6576879  2.520563
# 2 2009-01-02   2.251837 -10.7916635  2.012231
# 3 2009-01-03  -2.579394   2.6173333  7.260413
# 4 2009-01-04   5.265464   0.8107366  5.327772
# 5 2009-01-05  -2.891591   4.5289522 -5.014450
# 6 2009-01-06 -12.054497  -5.9274899  1.441439
# 
# $SE105
#         date       d20        d50         d5
# 1 2009-01-01  5.880239 -10.093960 -0.3288049
# 2 2009-01-02 -5.196587  -6.478163 -4.4196227
# 3 2009-01-03 -7.114667   4.568871 -1.8259147
# 4 2009-01-04  2.565384  -7.039717 -7.2492291
# 5 2009-01-05  2.289701  -7.808063  1.0832635
# 6 2009-01-06 -1.674715   4.360558  2.2994494
# 
# $SE106
#         date        d20        d50        d5
# 1 2009-01-01  4.9053760  4.0917553  2.132417
# 2 2009-01-02 -4.2074579 -4.9825570  4.256667
# 3 2009-01-03  2.1284944 -7.2339473 10.588332
# 4 2009-01-04  0.1208879 -6.3617098  0.560269
# 5 2009-01-05 -2.6676826 -0.1350602  2.364006
# 6 2009-01-06 -3.0595029  7.9359285  6.903543

Данные игрушки: 

dat <- setNames(replicate(3, setNames(replicate(3, setNames(lapply(2009:2019, function(y) {
  d <- expand.grid(date=as.Date(as.character(seq(ISOdate(y, 1, 1, 0), ISOdate(y, 12, 31, 0), by="day"))), 
                   hour=1:24)
  d$swc <- rnorm(nrow(d))
  d[order(d$date), -2]
  }), 2009:2019), simplify=F), c("d20", "d50", "d5")), simplify=F), c("SE104", "SE105", "SE106"))
1 голос
/ 03 апреля 2020

Поскольку нет доступных образцов данных, определите 

A = data.frame(Date = c("31.01.2020", "31.01.2020", "31.01.2020"), SWC = c(25, 100, 2))
B = data.frame(Date = c("31.01.2020", "31.01.2020", "31.01.2020"), SWC = c(25, 100, 2))
C = data.frame(Date = c("31.01.2020", "31.01.2020", "31.01.2020"), SWC = c(25, 100, 2))
D = data.frame(Date = c("31.01.2020", "31.01.2020", "31.01.2020"), SWC = c(25, 100, 2))

E = list(A, B)
F2 = list(C, D) 
G = list(E, F2) 
H = list(G, G)

Это должно соответствовать c структуре вложенности вашего списка.

Тогда одна возможность состоит в том, чтобы использовать lapply несколько раз в сочетании с совокупностью 

lapply(H, function(x) 
           lapply(x, function(y) 
                     lapply(y, function(z) 
                              aggregate(SWC~Date, data = z, FUN = function(a) c(mean = mean(a), count = length(a))))))

, которая дает результат 

[[1]]
[[1]][[1]]
[[1]][[1]][[1]]
        Date SWC.mean SWC.count
1 31.01.2020 42.33333   3.00000

[[1]][[1]][[2]]
        Date SWC.mean SWC.count
1 31.01.2020 42.33333   3.00000


[[1]][[2]]
[[1]][[2]][[1]]
        Date SWC.mean SWC.count
1 31.01.2020 42.33333   3.00000

[[1]][[2]][[2]]
        Date SWC.mean SWC.count
1 31.01.2020 42.33333   3.00000



[[2]]
[[2]][[1]]
[[2]][[1]][[1]]
        Date SWC.mean SWC.count
1 31.01.2020 42.33333   3.00000

[[2]][[1]][[2]]
        Date SWC.mean SWC.count
1 31.01.2020 42.33333   3.00000


[[2]][[2]]
[[2]][[2]][[1]]
        Date SWC.mean SWC.count
1 31.01.2020 42.33333   3.00000

[[2]][[2]][[2]]
        Date SWC.mean SWC.count
1 31.01.2020 42.33333   3.00000

Это то, что вы имели в виду?

...