每年每月平均数的条件计算

Question

我有大量的数据流化学数据集，用于几个长期的流(7-20年的数据)。我想为每个网站每年获得一个每月的TOC值，但有时一个月只有一个TOC值，而其他月份有2个或更多的TOC值。当我使用汇总(下面的例子)时，对于只有一个TOC值的实例，我会得到NA。

df_TOC <- df %>% group_by(Site,Year, Month) %>% summarise(AvgTOC=mean(TOC))

我想要一些关于如何用条件语句来总结数据的帮助-大致如下：

如果TOC每月有2个或更多的值，则计算平均值；如果没有，则粘贴该月份的单个值。

Site  Month Year  TOC
AAA   Jan   1975  5
AAA   Feb   1975  7
AAA   Feb   1975  8
AAA   March 1975  10
AAA   March 1975  12
AAA   April 1975  13
BBB   Jan   1975  6
BBB   Jan   1975  3
BBB   Feb   1975  6
BBB   Feb   1975  12
BBB   Feb   1975  17
BBB   March 1975  4

Answer 1

您的代码已经完成了您想要的任务。单个值的平均值是值本身。

myData = read.table(textConnection("Site  Month Year  TOC
AAA   Jan   1975  5
AAA   Feb   1975  7
AAA   Feb   1975  8
AAA   March 1975  10
AAA   March 1975  12
AAA   April 1975  13
BBB   Jan   1975  6
BBB   Jan   1975  3
BBB   Feb   1975  6
BBB   Feb   1975  12
BBB   Feb   1975  17
BBB   March 1975  4"), header = TRUE)

library(dplyr)
df_TOC = myData %>% group_by(Site,Year, Month) %>% summarise(AvgTOC=mean(TOC))
> df_TOC 
## A tibble: 7 x 4
## Groups:   Site, Year [?]
#    Site  Year  Month   AvgTOC
#  <fctr> <int> <fctr>    <dbl>
#1    AAA  1975  April 13.00000 #<<<
#2    AAA  1975    Feb  7.50000
#3    AAA  1975    Jan  5.00000 #<<< These ones come from an single sample each
#4    AAA  1975  March 11.00000
#5    BBB  1975    Feb 11.66667
#6    BBB  1975    Jan  4.50000
#7    BBB  1975  March  4.00000 #<<<

Answer 2

我非常喜欢基础R函数aggregate，从注释中可以看出，NA值可能会导致NAs --因为单个值的平均值应该就是这个值。试用：

aggregate(x = list(TOC_avg = myData$TOC), by = myData[,-4], mean, na.rm = T)

在这里，我们使用list()来命名结果的聚合值，而数据中的第4列是原始的TOC列。