我正在使用R中的巨大数据表，其中包含由不同来源获取的多个位置的每月温度测量值。
数据集如下所示:
library(data.table)
# Generate random data:
loc <- 1:10
dates <- seq(as.Date("2000-01-01"), as.Date("2004-12-31"), by="month")
mods <- c("A","B", "C", "D", "E")
temp <- runif(length(loc)*length(dates)*length(mods), min=0, max=30)
df <- data.table(expand.grid(Location=loc,Date=dates,Model=mods),Temperature=temp)
因此，基本上，对于位置1，我有2000年1月到2004年12月之间由模型A进行的测量。然后，我对模型B进行了测量。对于模型C，D和E依此类推。然后，对于位置2到位置10。
我需要做的是获取所有模型的平均温度，而不是进行五个不同的温度测量(来自模型)。
结果，对于每个位置和每个日期，我将不会有五个，而只有一个温度测量值(这将是一个多模型平均值)。
我尝试了这个:
df2 <- df[, Mean:=mean(Temperature), by=list(Model, Location, Date)]
这没有我预期的那样。我至少希望生成的数据表是原始表的行数的1/5，因为我将五个度量汇总为一个度量。
我究竟做错了什么？
最佳答案
我认为您无法正确生成测试数据。函数 expand.grid() 接受所有参数的笛卡尔积。我不确定为什么您在Temperature=temp调用中包括了expand.grid()参数；会为每个键组合复制每个温度值，从而产生具有900万行的data.table(这是(10*60*5)^2)。我认为您希望每个键一个温度值，这将导致10*60*5行:
df <- data.table(expand.grid(Location=loc,Date=dates,Model=mods),Temperature=temp);
df;
## Location Date Model Temperature
## 1: 1 2000-01-01 A 2.469751
## 2: 2 2000-01-01 A 16.103135
## 3: 3 2000-01-01 A 7.147051
## 4: 4 2000-01-01 A 10.301937
## 5: 5 2000-01-01 A 16.760238
## ---
## 2996: 6 2004-12-01 E 26.293968
## 2997: 7 2004-12-01 E 8.446528
## 2998: 8 2004-12-01 E 29.003001
## 2999: 9 2004-12-01 E 12.076765
## 3000: 10 2004-12-01 E 28.410980
如果正确，则可以使用以下方法在各个模型之间生成均值:
df[,.(Mean=mean(Temperature)),.(Location,Date)];
## Location Date Mean
## 1: 1 2000-01-01 9.498497
## 2: 2 2000-01-01 11.744622
## 3: 3 2000-01-01 15.691228
## 4: 4 2000-01-01 11.457154
## 5: 5 2000-01-01 8.897931
## ---
## 596: 6 2004-12-01 17.587000
## 597: 7 2004-12-01 19.555963
## 598: 8 2004-12-01 15.710465
## 599: 9 2004-12-01 15.322790
## 600: 10 2004-12-01 20.240392
请注意，
:=运算符实际上并未聚合。它仅添加，修改或删除原始data.table中的列。可以添加具有重复的聚合计算(例如，参见http://www.r-bloggers.com/two-of-my-favorite-data-table-features/)的新列(或覆盖旧列)，但这不是您想要的。通常，聚合数据表时，必须生成一个新表，每个聚合键将其减少为一行。
:=运算符不执行此操作。相反，我们需要在data.table上运行常规索引操作，按所需的聚合键(将自动包含在输出data.table中)进行分组，并添加到
j参数中，该参数将针对每个参数进行一次评估团体。结果将是原始表的简化版本，所有j参数评估的结果将与它们各自的聚合键合并。由于我们的j参数会为每个组得出一个标量值，因此我们的结果将是每个Location/Date聚合键一行。