基于温度阈值向量汇总温度数据

Question

我有一个包含每日平均温度数据的数据框，结构如下：

 'data.frame':  4666 obs. of  6 variables:
 $ Site : chr  "EB" "FFCE" "IB" "FFCE" ...
 $ Date : Date, format: "2013-01-01" "2013-01-01" "2013-01-01" "2014-01-01" ... 
 $ Day  : int  1 1 1 1 1 1 1 1 1 1 ...
 $ Year : int  2013 2013 2013 2014 2014 2014 2014 2015 2015 2015 ...
 $ Month: int  1 1 1 1 1 1 1 1 1 1 ...
 $ Temp : num  28.5 28.3 28.3 27 27.8 ...

我正在尝试生成一个汇总表，其中仅汇总每个站点一年中高于某些温度阈值（例如 25c、26c）的天数。 我可以像这样使用 dplyr 手动实现这一点-

Days_above = Site_Daily_average %>% 
  group_by(Year, Site) %>% 
  summarise("23" = sum(Temp > 23), "24" = sum(Temp > 24),"25"= sum(Temp > 
25), "26"= sum(Temp > 26),  "27"= sum(Temp > 27), "28"= sum(Temp > 28), "29" 
= sum(Temp > 29),"30"= sum(Temp > 30), "31" = sum(Temp > 31), "ABOVE 
THRESHOLD" = sum(Temp > maxthreshold))%>% as.data.frame()  

生成这样的表格：

   Year Site  23  24  25  26  27  28  29 30 31 ABOVE THRESHOLD
1  2012   EB 142 142 142  91  64  22   0  0  0               0
2  2012 FFCE 238 238 238 210 119  64   0  0  0               0
3  2012   IB 238 238 238 218 138  87   1  0  0               0
4  2013   EB 115 115 115 115 115 109  44  0  0               0
5  2013 FFCE 223 223 216 197 148 114  94  0  0               0
6  2013   IB 365 365 365 348 299 194 135  3  0               0

...

但是，您可以看到代码相当冗长。我遇到的问题是为一系列温度阈值产生相同的输出，即 Tempclasses = Seq(16,32,0.25)。

如您所见，手动输入需要很长时间。我觉得这是一个非常简单的计算，应该有办法使用 dplyr 来识别序列向量中的每个变量，执行此功能并以完整的表格格式生成输出。抱歉，如果不清楚，因为我对 R 比较陌生， 欢迎任何建议，谢谢。

Answer 1

这是一个tidyverse 方法，同样使用mtcars 进行说明：

library(tidyverse)

mtcars %>% 
  mutate(threshold = cut(mpg, 
                         breaks=seq(10, max(mtcars$mpg)+10, 5), 
                         labels=seq(10, max(mtcars$mpg)+5, 5))) %>% 
  group_by(cyl, threshold) %>% 
  tally %>% 
  ungroup %>% 
  complete(threshold, nesting(cyl), fill=list(n=0)) %>% 
  arrange(desc(threshold)) %>% 
  group_by(cyl) %>% 
  mutate(N_above = cumsum(n)) %>% 
  select(-n) %>% 
  arrange(cyl, threshold)

   threshold cyl N_above
1         10   4      11
2         15   4      11
3         20   4      11
4         25   4       6
5         30   4       4
6         35   4       0
7         10   6       7
8         15   6       7
9         20   6       3
10        25   6       0
11        30   6       0
12        35   6       0
13        10   8      14
14        15   8       8
15        20   8       0
16        25   8       0
17        30   8       0
18        35   8       0

如果您想要宽格式的最终​​数据，请在末尾添加spread并删除arrange：

... %>%
select(-n) %>% 
spread(threshold, N_above)

  cyl 10 15 20 25 30 35
1   4 11 11 11  6  4  0
2   6  7  7  3  0  0  0
3   8 14  8  0  0  0  0

Answer 2

正如@dww 评论的那样，我们可以使用cut 来获得所需的格式。我已经在 mtcars 数据集上尝试过这个，我们为 mpg 列创建了从 10 到 35 的范围，步长为 5。

df <- mtcars
df$group <- cut(df$mpg, seq(10, 35, 5))

然后我们按cyl 分组并使用table 来计算其中有多少落在相应的桶中。

table(df$cyl, df$group)

#  (10,15] (15,20] (20,25] (25,30] (30,35]
#4       0       0       5       2       4
#6       0       4       3       0       0
#8       6       8       0       0       0

现在，如果某个值大于 10，它也大于 15，因此 (15, 20) 桶中的数字还应包括 (10,15) 桶中的数字和 (20, 15) 桶中的数字应该包括前面的数字。因此，我们需要该表的逐行累积和

t(apply(table(df$cyl, df$group), 1, cumsum))

#   (10,15] (15,20] (20,25] (25,30] (30,35]
# 4       0       0       5       7      11
# 6       0       4       7       7       7
# 8       6      14      14      14      14

---

对于你的情况，代码会去

Site_Daily_average$group <- cut(Site_Daily_average$Temp, seq(16,32,0.25))

#and then do table to get required answer.
t(apply(table(Site_Daily_average$Year,Site_Daily_average$Site, 
              Site_Daily_average$group), 1, cumsum)