平均每n列，並保留在新的data.frame中的前兩列r

Question

我有一個每日時間序列的數據框，每個x和y每天有4次觀察（每6小時）（我有202552個單元格）。

> head(tab,10) 
     x y X1990.05.01.01.00.00 X1990.05.01.07.00.00 X1990.05.01.13.00.00 X1990.05.01.19.00.00 X1990.05.02.01.00.00 X1990.05.02.07.00.00 X1990.05.02.13.00.00 
1 5.000 60    276.9105    277.8516    278.9908    279.2422    279.6751    279.8078    280.4396 
2 5.125 60    276.8863    277.8682    278.9966    279.2543    279.6863    279.7885    280.4033 
3 5.250 60    276.8621    277.8830    279.0006    279.2659    279.6989    279.7688    280.3661 
4 5.375 60    276.8379    277.8969    279.0029    279.2772    279.7123    279.7477    280.3289 
5 5.500 60    276.8142    277.9094    279.0033    279.2879    279.7257    279.7244    280.2909 
6 5.625 60    276.7913    277.9224    279.0033    279.2987    279.7396    279.6993    280.2523 
7 5.750 60    276.7707    277.9363    279.0020    279.3094    279.7531    279.6715    280.2142 
8 5.875 60    276.7537    277.9520    279.0002    279.3202    279.7656    279.6406    280.1770 
9 6.000 60    276.7416    277.9713    278.9980    279.3314    279.7773    279.6070    280.1407 
10 6.125 60    276.7357    277.9946    278.9953    279.3435    279.7871    279.5707    280.1071 
    X1990.05.02.19.00.00 X1990.05.03.01.00.00 X1990.05.03.07.00.00 X1990.05.03.13.00.00 X1990.05.03.19.00.00 X1990.05.04.01.00.00 X1990.05.04.07.00.00 
1    280.5674    280.3316    280.3796    280.2308    280.6216    280.6216    280.1842 
2    280.5414    280.3106    280.3697    280.2133    280.6220    280.6368    280.2053 
3    280.5145    280.2886    280.3594    280.1927    280.6184    280.6503    280.2227 
4    280.4858    280.2653    280.3482    280.1703    280.6113    280.6619    280.2380 
5    280.4562    280.2420    280.3379    280.1466    280.6010    280.6722    280.2492 
6    280.4262    280.2192    280.3280    280.1219    280.5880    280.6816    280.2572 
7    280.3957    280.1981    280.3209    280.0973    280.5732    280.6910    280.2613 
8    280.3661    280.1793    280.3159    280.0748    280.5571    280.7009    280.2626 
9    280.3384    280.1640    280.3155    280.0542    280.5414    280.7112    280.2599 
10    280.3128    280.1542    280.3195    280.0385    280.5270 

我想計算每4列的日平均值（因爲每天有4次測量）。我能夠使用這個功能，但我需要保持每行的x和y。

### daily mean 
byapply <- function(x, by, fun, ...) 
{ 
    # Create index list 
    if (length(by) == 1) 
    { 
    nc <- ncol(x) 
    split.index <- rep(1:ceiling(nc/by), each = by, length.out = nc) 
    } else # 'by' is a vector of groups 
    { 
    nc <- length(by) 
    split.index <- by 
    } 
    index.list <- split(seq(from = 1, to = nc), split.index) 

    # Pass index list to fun using sapply() and return object 
    sapply(index.list, function(i) 
    { 
    do.call(fun, list(x[, i], ...)) 
    }) 
} 


DM<- data.frame(byapply(tab[3:2800], 4, rowMeans)) 
> head(DM, 10) 
     X1  X2  X3  X4  X5 
1 278.2488 280.1225 280.3909 279.4138 276.6809 
2 278.2514 280.1049 280.3789 279.4395 276.7141 
3 278.2529 280.0871 280.3648 279.4634 276.7437 
4 278.2537 280.0687 280.3488 279.4858 276.7691 
5 278.2537 280.0493 280.3319 279.5066 276.7909 
6 278.2539 280.0294 280.3143 279.5264 276.8090 
7 278.2546 280.0086 280.2974 279.5453 276.8244 
8 278.2565 279.9873 280.2818 279.5639 276.8377 
9 278.2605 279.9658 280.2688 279.5819 276.8495 
10 278.2673 279.9444 280.2598 279.5998 276.8611 

那麼我可以用cbind每天手段與每個x和y

lonlat<-tab[-(3:2800)] 
DMxy<- data.frame(cbind(lonlat, DM)) 

但是我正在尋找我可以通過保持前兩列直接計算平均每天的方式鏈接（ x和在新的數據幀y）（但不刪除x和y），以儘量減少在cobind

Answer 1

代替

DM<- data.frame(byapply(tab[3:2800], 4, rowMeans)) 

的任何可能的錯誤

嘗試

DM2 <- cbind(byapply(tab[-(1:2)], 4, rowMeans), tab[1:2]) 

，將讓你在一個單一的步驟所需的結果。此外，由於您不需要知道數據幀的長度，因此可以最大限度地減少出錯的機率; tab[-(1:2)]的意思是「tab除前兩個以​​外的每一列」。

Answer 2

由於需要的操作（如分組聚合，特別是平均）而不能以大格式存儲數據的經典教科書案例。考慮你的數據融入長格式，和聚集在當天每個X和ÿ分組：

DATA（OP公司發佈的例子，但填充缺失的第10行最後兩個值）

txt= '  x y X1990.05.01.01.00.00 X1990.05.01.07.00.00 X1990.05.01.13.00.00 X1990.05.01.19.00.00 X1990.05.02.01.00.00 X1990.05.02.07.00.00 X1990.05.02.13.00.00 X1990.05.02.19.00.00 X1990.05.03.01.00.00 X1990.05.03.07.00.00 X1990.05.03.13.00.00 X1990.05.03.19.00.00 X1990.05.04.01.00.00 X1990.05.04.07.00.00 
1 5.000 60    276.9105    277.8516    278.9908    279.2422    279.6751    279.8078    280.4396    280.5674    280.3316    280.3796    280.2308    280.6216    280.6216    280.1842 
2 5.125 60    276.8863    277.8682    278.9966    279.2543    279.6863    279.7885    280.4033    280.5414    280.3106    280.3697    280.2133    280.6220    280.6368    280.2053 
3 5.250 60    276.8621    277.8830    279.0006    279.2659    279.6989    279.7688    280.3661    280.5145    280.2886    280.3594    280.1927    280.6184    280.6503    280.2227 
4 5.375 60    276.8379    277.8969    279.0029    279.2772    279.7123    279.7477    280.3289    280.4858    280.2653    280.3482    280.1703    280.6113    280.6619    280.2380 
5 5.500 60    276.8142    277.9094    279.0033    279.2879    279.7257    279.7244    280.2909    280.4562    280.2420    280.3379    280.1466    280.6010    280.6722    280.2492 
6 5.625 60    276.7913    277.9224    279.0033    279.2987    279.7396    279.6993    280.2523    280.4262    280.2192    280.3280    280.1219    280.5880    280.6816    280.2572 
7 5.750 60    276.7707    277.9363    279.0020    279.3094    279.7531    279.6715    280.2142    280.3957    280.1981    280.3209    280.0973    280.5732    280.6910    280.2613 
8 5.875 60    276.7537    277.9520    279.0002    279.3202    279.7656    279.6406    280.1770    280.3661    280.1793    280.3159    280.0748    280.5571    280.7009    280.2626 
9 6.000 60    276.7416    277.9713    278.9980    279.3314    279.7773    279.6070    280.1407    280.3384    280.1640    280.3155    280.0542    280.5414    280.7112    280.2599 
10 6.125 60    276.7357    277.9946    278.9953    279.3435    279.7871    279.5707    280.1071    280.3128    280.1542    280.3195    280.0385    280.5270    280.6581    280.3139' 

df <- read.table(text=txt, header=TRUE) 

CODE

library(reshape2) 

mdf <- melt(df, id.vars = c('x', 'y'), variable.name = "day") 

mdf$day <- gsub("X", "", mdf$day) 
mdf$datetime <- as.POSIXct(mdf$day, format="%Y.%m.%d.%H.%M.%S") 
mdf$day <- format(mdf$datetime, "%Y-%m-%d") 
head(mdf) 
#  x y  day value   datetime 
# 1 5.000 60 1990-05-01 276.9105 1990-05-01 01:00:00 
# 2 5.125 60 1990-05-01 276.8863 1990-05-01 01:00:00 
# 3 5.250 60 1990-05-01 276.8621 1990-05-01 01:00:00 
# 4 5.375 60 1990-05-01 276.8379 1990-05-01 01:00:00 
# 5 5.500 60 1990-05-01 276.8142 1990-05-01 01:00:00 
# 6 5.625 60 1990-05-01 276.7913 1990-05-01 01:00:00 

aggdf <- aggregate(value ~ x + y + day, mdf, FUN=mean) 
aggdf <- with(aggdf, aggdf[order(x,y),])  # RE-ORDER BY X 
row.names(aggdf) <- NULL      # RESET ROW NAMES 

head(aggdf, 12) 
#  x y  day value 
# 1 5.000 60 1990-05-01 278.2488 
# 2 5.000 60 1990-05-02 280.1225 
# 3 5.000 60 1990-05-03 280.3909 
# 4 5.000 60 1990-05-04 280.4029 
# 5 5.125 60 1990-05-01 278.2514 
# 6 5.125 60 1990-05-02 280.1049 
# 7 5.125 60 1990-05-03 280.3789 
# 8 5.125 60 1990-05-04 280.4211 
# 9 5.250 60 1990-05-01 278.2529 
# 10 5.250 60 1990-05-02 280.0871 
# 11 5.250 60 1990-05-03 280.3648 
# 12 5.250 60 1990-05-04 280.4365