r 中重复时间的平均网格化气候数据

Question

我有一个网格化的气候数据集，例如：

# generate time vector
time1 <- seq(14847.5,14974.5, by = 1)
time2 <- seq(14947.5,14974.5, by = 1)
time <- c(time1,time2)
time <- as.POSIXct(time*86400,origin='1970-01-01 00:00')

# generate lat and lon coordinates
lat <- seq(80,90, by = 1)
lon <- seq(20,30, by = 1)

# generate 3dimensional array
dat <- array(runif(length(lat)*length(lon)*length(time)),
             dim = c(length(lon),length(lat),length(time)))

这样

> dim(dat)
[1]  11  11 156

数据的维度描述了不同经度（dim = 1）、纬度（dim = 2）和时间（dim = 3）的变量。

我目前遇到的问题是，有些时间是重复的，这与测量数据的重叠传感器有关。因此，我想知道是否可以只保留dat 的唯一时间，但对重复时间的网格内的数据进行平均，即如果有两天重复，我们将每个纬度和经度网格中的平均值作为那时。

我可以找到独特的时间：

# only select unique times
new_time <- unique(time)
unique_time <- unique(time)

然后，以下代码旨在遍历每个网格 (lat/lon) 并对所有重复的天数进行平均。

# loop through lat/lon coordinates to generate new data
new_dat <- array(dim = c(length(lon),length(lat),length(new_time)))
for(i in 1:length(lon)){
  for(ii in 1:length(lat)){
    dat2 <- dat[i,ii,]
    dat2b <- NA
    for(k in 1:length(unique_time)){
      idx <- time == unique_time[k]
      dat2b[k] <- mean(dat2[idx], na.rm = TRUE)
    }
    new_dat[i,ii,] <- dat2b
  }
}

我确信这提供了正确的答案，但我确信有一种更清洁的方法可以实现这一目标。

我还应该注意我的数据非常大（即k = 7000），所以最后一个循环至少可以说不是很有效。

Answer 1

我原来的答案：

使用aggregate 会更简洁高效：

for(i in 1:length(lon)){
  for(ii in 1:length(lat)){
    new_dat[i,ii,] <- as.numeric(aggregate(dat[i,ii,], by=list(time),mean)$x)
  }
}

它仍然有 3 个循环中的 2 个，但它设法绕过创建 dat2、dat2b 和 unique_time。

我的改进答案：

f <- function(i, ii){as.numeric(aggregate(dat[i,ii,], by=list(time),mean)$x)}

for(i in 1:nrow(expand.grid(1:length(lon),1:length(lat)))){
  new_dat[expand.grid(1:length(lon),1:length(lat))[i,1],
          expand.grid(1:length(lon),1:length(lat))[i,2],] <- 
    f(expand.grid(1:length(lon),1:length(lat))[i,1],expand.grid(1:length(lon),
           1:length(lat))[i,2])
}

只用了 1 个循环。我们也可以使用apply 绕过该循环。