计算 3d 数组的每日平均值

Question

是否可以在 R 中对 3d 数组执行每日平均？

例如：

我有两天在纬度/经度网格上的 3d 数据点数组。

lat <- 50:51
lon <- 2:3
time <- as.POSIXct(c('2009-01-01 12:00','2009-01-01 15:00','2009-01-01 17:00','2009-01-02 12:00',
                     '2009-01-02 16:00'))
j <- array(c(1:6, 11:16, 21:26), c(2,2,5))
dim(j)
[1] 2 2 5

其中第一个维度指的是纬度，第二个维度是指经度，第三个维度是指时间（即每个纬度/经度的数据通过时间）。

如何计算这些值的每日平均值并返回每日平均的 3d 数组？

返回数组的维度应该是

暗淡(j) [1] 2 2 2

时间维度对应的位置：

new_time <- as.POSIXct(c('2009-01-01','2009-01-02))

这可能吗？

在不考虑不同日期的情况下，我可以执行 3d 平均：

apply(j, c(1,2), mean)

但我不确定如何在选定日期内执行平均。

任何帮助将不胜感激。

Answer 1

确定，在您的示例中，有 5 天，对吧？

如果你想选择特定的日子，例如第一天、第三天和第五天，你可以指定它们如下：

> apply(j[,,c(1,3,5)], c(1,2), mean)
     [,1]     [,2]
[1,]   13 6.333333
[2,]   14 7.333333

编辑

好的，这是一个解决方法：

library(purrr)
library(lubridate)

如果您对独特的日子感兴趣：

# get days
tx <- day(time)
> tx
[1] 1 1 1 2 2

获取独特的日子并计算它们：

# unique days
txu <- unique(tx)

# number of unique days
d <- length(unique(tx))

创建一个数据框来保存所有数据

# create a df with days
df <- data.frame(day=1:d)

查找与每一天对应的条目的indecies并将它们添加到新列中

# add a column with entries corresponding to each days 
df <- df %>% 
        mutate(days_entries=map(day, function(x)  which(tx %in% txu[x]) ))

> df
  day days_entries
1   1      1, 2, 3
2   2         4, 5

在新列中添加每一天的值的平均值

df <- df %>% 
        mutate(day_mean=map(days_entries, 
                            {function(x) apply(j[,,x], c(1,2), mean)}
                            )
               )

将所有手段放在一个数组中：

> k <- array( c( sapply(df$day_mean, function(x) x)) , dim = c( 2 ,2 ,d ) )
    > dim(k)
    [1] 2 2 2
    > k
    , , 1

             [,1]      [,2]
    [1,] 6.333333  9.666667
    [2,] 7.333333 10.666667

    , , 2

         [,1] [,2]
    [1,]   23   12
    [2,]   24   13