组合数据集

Question

我应该将https://www.drroyspencer.com/latest-global-temperatures/中的所有四个数据集合并成一个数据集。我没运气就试着把它合并。有什么帮助吗？

到目前为止我尝试过的。

# Lower troposphere data.
lower_trop <- fread("https://www.nsstc.uah.edu/data/msu/v6.0/tlt/uahncdc_lt_6.0.txt", sep = " ")

# Mid-Troposphere data.
mid_trop <- fread("https://www.nsstc.uah.edu/data/msu/v6.0/tmt/uahncdc_mt_6.0.txt", sep = " ")

# Tropopause data.
trop <- fread("https://www.nsstc.uah.edu/data/msu/v6.0/ttp/uahncdc_tp_6.0.txt", sep = " ")

# Lower Stratosphere data.
lower_strat <- fread("https://www.nsstc.uah.edu/data/msu/v6.0/tls/uahncdc_ls_6.0.txt" , sep = " ")

# 
lower_trop1 <- lower_trop[-c(518)]
mid_trop1 <- Mid_trop[-c(518)]
trop1 <- trop[-c(518)]
lower_strat1 <- lower_strat[-c(518)]

# 
lower_trop <- as.data.frame(apply(lower_trop1, 2, as.numeric))
mid_trop <- as.data.frame(apply(mid_trop1, 2, as.numeric))
trop_paus <- as.data.frame((apply(trop1, 2, as.numeric)))
lower_strat <- as.data.frame(apply(lower_strat1, 2, as.numeric))

all<- rbind(lower_trop,mid_trop,trop_paus,lower_strat)

Answer 1

1. Don't忽略警告。您的fread调用是警告

lower_trop <- fread("https://www.nsstc.uah.edu/data/msu/v6.0/tlt/uahncdc_lt_6.0.txt"，9月= ") # 100%下载了89265字节.#fread中的警告(“https://www.nsstc.uah.edu/data/msu/v6.0/tlt/uahncdc_lt_6.0.txt"，：#在520行的早期停止”)。预期有29个字段，但发现0。比如fill=TRUE和comment.char=。第一条被丢弃的非空线：<>

这是因为这些文件的尾随材料不是“适当的CSV”(就R所关心的而言)：

陆洋NoExt SoExt陆地海洋USA48 USA49 1978年12 -0.48 -0.51 -0.47 -0.44 -0.46 -0.42 -0.52 -0.62 -0.50 -0.60 -0.62 -0.37 -0.44 -0.30 -0.46 -0.45 -0.39 -0.68 -0.06 -0.06-0.68-0.68-0.68-0.06-0.06-0.62-0.60-0.60-0.62 -0.59 -0.37-0.44-0.30-0.46 -0.55 -0.45-0.39-0.68-0.68-0.06-0.06-0.45 -0.38 -0.49 -1.29 -1.15 -1.29 1979年1-0.47 -0.64 -0.41 -0.64 -0.86 -0.50 -0.31 -0.34 -0.47 -0.54 -0.45 -0.73 -0.93 -0.55 -0.23 0.12 -0.29 -0.46 -0.95 0.10 -0.16 -0.16 -0.16-0.16-0.16-0.16-0.16-0.16-0.16-0.16-0.16-0.16-0.16-0.16-0.16-0.16-0.16-0.16-0.16-0.16-0.16-0.16-0.16-0.16-0.16-0.16-0.16-0.16-0.16-0.16-0.16-0.16-0.16-0.16-0.16-0.16-0.16-0.16-0.16-0.16-0.16-0.3.22-2.42 0.92 ...snip.2021 11 0.08 0.22 0.03 0.11 0.32 -0.02 0.06 -0.00 0.07 0.14 0.35 0.08 0.09 0.31 -0.10 0.02 -0.24 0.06 -0.43 -0.70 -0.72 -0.67 -0.75 0.50 -0.06 -0.29 2021 12 0.21 0.17 0.22 0.19 0.32 0.15 0。12 0.15 0.03 0.30 -0.04 0.40 0.19 0.59 0.20 -0.07 0.25 0.01 -0.25 0.31 -0.42 -0.24 -0.51 1.63 1.42 -0.06年.11 0.16 0.10 0.12 0.16 0.11 0.21 0.17 0.10 0.15 0.09 0.25 0.23 0.27 0.01 0.09 -0.02 0.18 0.18 0.18注:截至2015年4月版本6.0 : 1991-2020年年度周期新参考值:截至2013年6月的5.6版注: 3/13更精确的USA48注: 3/13阿拉斯加州增加了USA49，澳大利亚加入GL 90-90 N，NH 0-90 N，SH 90-0，TRPCS 20-20 N NoExt 20 N-90 N，SoExt 90 0-20，NoPol 60N-90 N，SoPol 90 0-60

没有简单的方法只是“忽略”这些行，所以我建议您非常清楚:声明该警告是预期的，而不是关注这里。你未来的自我(和同事)会感谢你的。您可以使用它来沉默该警告(并允许fread继续正常操作)：

lower_trop <- withCallingHandlers( fread("https://www.nsstc.uah.edu/data/msu/v6.0/tlt/uahncdc_lt_6.0.txt"，sep = ")，警告=函数(W){ if (grepl(“在网上早期停止”，as.character(W)) invokeRestart("muffleWarning") })

1. R不喜欢非唯一的列名。--我对数据一无所知，但似乎Land和Ocean是按前面的列Globe、NH、SH等分组的。让我们重命名它们，以确保它们是唯一和明确的(不仅仅是数字)：

土地<-哪些土地(名称(Lower_trop1) ==“土地”)名称(Lower_trop1)土地<- paste0(名称(Lower_trop1)土地-1，"_"，名称(Lower_trop1)土地)名称(Lower_trop1)lands+1 <- paste0(名称(Lower_trop1)土地-1，"_"，名称(Lower_trop1)lands+1)头(Lower_trop1)#年份Mo Globe Globe_Land Globe_Ocean NH NH_Land NH_Ocean SH SH_Land SH_Ocean Trpcs Trpcs_Land # 1: 1978年12 -0.48 -0.51 -0.47 -0.44 -0.46 -0.42 -0.52-0.62 -0.50 -0.60 -0.62 # 2: 1979年1 -0.47 -0.64 -0.41 -0.64 -0.86 -0.31 -0.31 -0.34 -0.47 -0.54 # 3: 1979年2 -0.43 -0.56 -0.39-0.47 -0.57 -0.41 -0.39 -0.53 -0.37 -0.36 -0.25 # 4: 1979年3 -0.38 -0.51 -0.33 -0.46 -0.51 -0.44 -0.30 -0.53 -0.26 -0.36 -0.43 # 5: 19794 -0.40 -0.57 -0.34 -0.47 -0.62 -0.37 -0.34 -0.46 -0.35 -0.37 # 6: 1979年5 -0.40 -0.56 -0.52 -0.54 -0.52 -0.27 -0.62-0.19-0.46 -0.55 # 16变量未显示: Trpcs_Ocean，NoExt，NoExt_Land，NoExt_Ocean，SoExt，SoExt_Land，SoExt_Ocean，NoPol，NoPol_Land，NoPol_Ocean，

apply

• (几乎)从来没有在 data.frame**.**上使用--好吧，几乎从来没有，有合法的时间可以这么做。但是，在默认情况下，当您真正需要matrix保持为data.frame (或至少是list-like)时，它将返回它。使用lapply代替：

lower_trop1[] <- lapply(lower_trop1，as.numeric)

了解这一点以及它如何与框架一起工作的两个技巧：

1. A `data.frame` is just a glorified `list` with some added conditions: all elements should be named uniquely; all elements (typically) must be the same length; it may have row-names, some tools use/honor/keep them, some tools (`dplyr`) ignore or actively remove them. Oh, and the `class` is slightly different. But most things that work on `list`s work just as well on `data.frame`s, column-wise.

2. Even though we're working on columns of a frame, in one sense we're just working on elements of a `list`, _and we want it to stay_ _`list`__-like_, so we should be using `lapply`.

3. Unfortunately, `lapply` is going to return a `list` not a `data.frame`, so the reassignment into `lower_trop1[] <- ...` says to replace the contents of `lower_trop1` without changing its class. There is likely more that can be said here, but know that `frame[] <- lapply(frame, ...)` preserves the `data.frame` properties we need while allowing very simple `lapply`-operations.

从这里开始，rbind应该按预期工作。

FYI，您可以将中间的两个步骤与：

lower_trop1 <- lower_trop[-518,][, lapply(.SD, as.numeric)]

尽管您仍然需要对唯一的列名进行重命名。

Answer 2

我猜您想要某种形式的联接(因此从4个数据集中加入列)。这里有一些关于R：https://dplyr.tidyverse.org/reference/mutate-joins.html中不同连接选项的信息

现在，在您的示例中，您有了出现在不同数据集中的Year和Mo列。所以你可以通过这些列加入数据集。这里是一个左联接的例子(仅用于前两个数据格式)：

首先，确保在每个dataframe中都有唯一的列名(您目前没有唯一的名称，因此这个步骤是必要的)：

names(lower_trop) <- make.unique(names(lower_trop), sep="_")
names(mid_trop) <- make.unique(names(lower_trop), sep="_")

然后，使用左联接(因此保留左侧数据集中的所有行)将这些行连接起来：

new_df <- left_join(lower_trop, mid_trop, by = c("Year", "Mo"), suffix = c(".lower_trop", ".mid_trop"))