在colMeans計算

Question

我是一個偶然的R-用戶與幾家大型數據集的年度工作與今年一列，另一個用於位置處理多餘的行，類似於以下（我稱之爲「時間序列」）：

Year L1  
1960 1.11 
1961 1.14 
1962 0.75 
1963 0.63 
1964 1.15 
1965 1.08 
1966 1.69 
1967 0.77  
1968 0.69 

我試圖通過4組計算colMeans，但排在我的數據集的數量並不總是由4理想整除，我會被列入計算之前的任何額外行組。

所以在上面的例子中有9行，R會計算1960-1963（一組4個），1964-1968（一組5個）的平均值。

這可能嗎？

我對4組當前的代碼如下：

fouryrave <- rep(colMeans(matrix(timeseries$L1, nrow=4), na.rm=TRUE)) 

Answer 1

做的最好的事情是創建分組變量和骨料，即

n = 4 
l1 <- nrow(df) %/% n 
df$grp <- c(rep(seq(l1), each = n), rep(tail(seq(l1), 1), nrow(df) - n * l1)) 

aggregate(L1 ~ grp, df, mean) 
# grp  L1 
#1 1 0.9075 
#2 2 1.0760 

DATA

dput(df) 
structure(list(Year = 1960:1968, L1 = c(1.11, 1.14, 0.75, 0.63, 
1.15, 1.08, 1.69, 0.77, 0.69)), .Names = c("Year", "L1"), row.names = c(NA, 
-9L), class = "data.frame") 

編輯

基於您的評論（我有一些時間來殺死），這裏是接受type參數指定分組方法的功能，

f1 <- function(df, n, type = 1){ 
    if(type == 1){ 
    l1 <- nrow(df) %/% n 
    df$grp <- c(rep(seq(l1), each = n), rep(tail(seq(l1), 1), nrow(df) - n * l1)) 
    return(aggregate(L1 ~ grp, df, mean)) 
    } else { 
    if(type == 2){ 
    l1 <- nrow(df) %/% n 
    df$grp <- c(rep(seq(l1), each = n), rep(tail(l1, 1)+1, nrow(df) - n * l1)) 
    return(aggregate(L1 ~ grp, df, mean)) 
    } 
    } 

} 

f1(df, 4, type = 1) 
# grp  L1 
#1 1 0.9075 
#2 2 1.0760 

f1(df, 4, type = 2) 
# grp  L1 
#1 1 0.9075 
#2 2 1.1725 
#3 3 0.6900 

Answer 2

您可以從其他的分別計算的最後一組的平均值是這樣的：

fouryrave <- colMeans(matrix(timeseries$L1[1:((length(timeseries$L1) %/% 4 
        -1)*4)],nrow=4),na.rm=TRUE) 

fouryrave[length(fouryrave)+1] <- 
      mean(timeseries$L1[(((length(timeseries$L1)%/%4-1)*4)+1):length(timeseries$L1)])