在R中拆分应用时间序列数据的聚合

我有一些天气预报数据,记录每小时的预报降雨量.我想将此与观测数据进行比较,观测数据每6小时观测一次降雨量.因此,我需要将预测数据汇总为6小时数据.

以下是我的数据概述:

DateUtc StationID FcstDay PrecipQuantity_hSum
1        2014-01-01 12:00:00     54745       0                   0
2        2014-01-01 13:00:00     54745       0                   0
3        2014-01-01 14:00:00     54745       0                   0
4        2014-01-01 15:00:00     54745       0                   0
5        2014-01-01 16:00:00     54745       0                   0
6        2014-01-01 17:00:00     54745       0                   0
7        2014-01-01 18:00:00     54745       0                   0
8        2014-01-01 19:00:00     54745       0                   0
9        2014-01-01 20:00:00     54745       0                   0
10       2014-01-01 21:00:00     54745       0                   0
11       2014-01-01 22:00:00     54745       0                   0
12       2014-01-01 23:00:00     54745       0                   0
13       2014-01-02 00:00:00     54745       1                   0
14       2014-01-02 01:00:00     54745       1                   0
15       2014-01-02 02:00:00     54745       1                   0
16       2014-01-02 03:00:00     54745       1                   0
17       2014-01-02 04:00:00     54745       1                   0
18       2014-01-02 05:00:00     54745       1                   0
19       2014-01-02 06:00:00     54745       1                   0
20       2014-01-02 07:00:00     54745       1                   0
...                     <NA>      <NA>     ...                 ...
13802582 2014-11-20 08:00:00     55005       7                   0
13802583 2014-11-20 09:00:00     55005       7                   0
13802584 2014-11-20 10:00:00     55005       7                   0
13802585 2014-11-20 11:00:00     55005       7                   0
13802586 2014-11-20 12:00:00     55005       7                   0

要正确聚合,重要的是在聚合之前按StationID(气象站)和FcstDay(计算预测日期和预测日期之间的天数)进行拆分.

我已经使用xts包进行聚合,如果我首先手动对数据进行子集,例如,它可以正常工作,例如

z <- fcst[which(fcst$StationID=="54745" & fcst$FcstDay==1),]
z.xts <- xts(z$PrecipQuantity_hSum,z$DateUtc)
ends <- endpoints(z.xts,"hours",6)
precip6 <- as.data.frame(period.appl(z.xts,ends,sum))

我需要自动化子集,但我试图将xts函数包装在各种split-apply函数中并始终得到相同的错误:

Error in xts(z$PrecipQuantity_hSum,z$DateUtc) : 
  NROW(x) must match length(order.by)

这是我的最新版本的代码:

df <- data.frame()

  d_ply(
    .data = fcst,.variables = c("FcstDay","StationID"),.fun = function(z){
      z.xts <- xts(z$PrecipQuantity_hSum,z$DateUtc)
      ends <- endpoints(z.xts,6)
      precip6 <- as.data.frame(period.apply(z.xts,sum))
      precip6$DateUtc <- rownames(precip6)
      rownames(precip6) <- NULL
      df <- rbind.fill(df,precip6)
    })

我也试过嵌套for循环.任何人都可以就错误提供任何指导吗?我已经在下面列出了可重现的示例集的代码.提前致谢.

DateUtc <- rep(seq(from=ISOdatetime(2014,1,0),to=ISOdatetime(2014,12,30,by=(60*60)),times=9)
StationID <- rep(c("50060","50061","50062"),each=3*8713)
FcstDay <- rep(c(1,2,3),each=8713,times=3)
PrecipQuantity_hSum <- rgamma(78417,shape=1,rate=20)
fcst <- data.frame(DateUtc,StationID,FcstDay,PrecipQuantity_hSum)

解决方法

我认为David Robinson得到的错误是因为您的示例代码使用的是PrecipQuantity_6hSum而不是PrecipQuantity_hSum.一旦改变了,你的ddply代码对我有用.

这对你有用吗?

df<-ddply(
     .data = fcst,.fun = function(z){
       z.xts <- xts(z$PrecipQuantity_6hSum,z$DateUtc)
       ends <- endpoints(z.xts,6)
       precip6 <- as.data.frame(period.apply(z.xts,sum))
       precip6$DateUtc <- rownames(precip6)
       rownames(precip6) <- NULL
       return(precip6)
    })

相关文章

什么是设计模式一套被反复使用、多数人知晓的、经过分类编目...
单一职责原则定义(Single Responsibility Principle,SRP)...
动态代理和CGLib代理分不清吗,看看这篇文章,写的非常好,强...
适配器模式将一个类的接口转换成客户期望的另一个接口,使得...
策略模式定义了一系列算法族,并封装在类中,它们之间可以互...
设计模式讲的是如何编写可扩展、可维护、可读的高质量代码,...