Как рассчитать средние значения больших наборов данных

Question

Я работаю с набором данных, который имеет показания температуры один раз в час, 24 часа в сутки в течение более 100 лет. Я хочу получить среднюю температуру за каждый день, чтобы уменьшить размер моего набора данных. Заголовки выглядят так:

 YR MO DA HR MN TEMP 
    1943 6 19 10 0 73 
    1943 6 19 11 0 72 
    1943 6 19 12 0 76 
    1943 6 19 13 0 78 
    1943 6 19 14 0 81 
    1943 6 19 15 0 85 
    1943 6 19 16 0 85 
    1943 6 19 17 0 86 
    1943 6 19 18 0 86 
    1943 6 19 19 0 87 

и т.д. для 600 000+ точек данных.

Как я могу запустить вложенную функцию для вычисления среднесуточной температуры, чтобы сохранить YR, MO, DA, TEMP? Как только у меня есть это, я хочу, чтобы иметь возможность посмотреть средние средние значения &, подсчитайте среднюю температуру в течение месяца января через 30 лет. Как мне это сделать?

Answer 1

В одном шаге вы можете сделать это:

meanTbl <- with(datfrm, tapply(TEMP, ISOdate(YR, MO, DA), mean)) 

Это дает вам даты и время отформатированы индекс, а также значение. Если вы хотите просто даты как символ без времени задней:

meanTbl <- with(dat, tapply(TEMP, as.Date(ISOdate(YR, MO, DA)), mean)) 

среднемесячными может быть сделано с:

monMeans <- with(meanTbl, tapply(TEMP, MO, mean)) 

Answer 2

Ваш первый вопрос может быть достигнуто с помощью plyr пакета:

library(plyr) 
daily_mean = ddply(df, .(YR, MO, DA), summarise, mean_temp = mean(TEMP)) 

По аналогии с вышеуказанным решением ежемесячные средства:

monthly_mean = ddply(df, .(YR, MO), summarise, mean_temp = mean(temp)) 

или получить ежемесячные средние по всему набору данных (30 лет, иначе нормалей климата), а не в год:

monthly_mean_normals = ddply(df, .(MO), summarise, mean_temp = mean(temp)) 

Answer 3

Вы можете сделать это с aggregate:

# daily means 
aggregate(TEMP ~ YR + MO + DA, FUN=mean, data=data) 

# monthly means 
aggregate(TEMP ~ YR + MO, FUN=mean, data=data) 

# yearly means 
aggregate(TEMP ~ YR, FUN=mean, data=data) 

# monthly means independent of year 
aggregate(TEMP ~ MO, FUN=mean, data=data)