Discussion :

[vincent1989]

Bonjour !

Je suis confronté à un data.frame qui me pose soucis. Je dispose de données de hauteurs d'eau (3ème colonne) en fonction du temps (1ère et 2ème colonnes), rangées chronologiquement par pas de temps variables.

ex:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
20000801  00:30  20.4
20000801  07:42  25.2
20000801  18:15  23.5
20000802  01:12  27.1
20000802  16:40  29.2
20000803  00:51  30.5
20000803  06:17  33.4 
20000803  13:32  31.3
20000803  21:14  31.2
20000804  02:15  33.2
20000804  12:20  34.5
20000804  22:10  36.2
20000805  03:00  34.0 
20000805  23:00  32.5

J'ai donc un data.frame de trois colonnes (1ère colonne: année, mois, jour). A la place d'avoir plusieurs valeurs par jour, j'aimerais avoir UNE valeur journalière. La méthode la plus simple serait de faire la moyenne des valeurs pour chaque jour. Pour être vraiment exact, il faudrait pondérer par les pas de temps variables, mais je ne veux pas non plus vous en demander trop numériquement...

Du coup en moyennant simplement les valeurs horaires de chaque jour sans tenir compte des pas de temps variables, j'aimerais arriver à ça en reprenant l'exemple ci-dessus:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
20000801  23.03
20000802  28.15
20000803  31.60
20000804  34.63
20000805  33.25

Lors de mon dernier post, ced m'a donné un outil très puissant "data.table" permettant de trier des data.frame. Je peux supposer que cet outil est capable de lire les dates de la 1ère colonne et alors trier les données en prenant en compte cette info. Mais je n'ai pas réussi à trouver de doc pertinente sur data.table. :s

Merci d'avance pour toute aide donnée !

[lilly74]

Bonsoir,

pourquoi ne pas utiliser simplement l'une de ses deux fonctions:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
?by
?aggregate

Bonne continuation

[arm3366]

Bonjour,
Il existe des fonctions de récurrence ( apply, lapply, tapply, ...) qui sont très efficaces et pouvant résoudre ton problème. Exemple:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
 
#Import de ton fichier de données (attention à l'option header=TRUE si ton fichier ne contient pas des noms de colonnes)
donnee <- read.table("dataTest1.txt", header=TRUE, sep="", dec=".")
summary(donnee) #optionnel
donnee$Date <- as.factor(donnee$Date)
ff <- tapply(donnee$Hauteur, donnee$Date, mean)
data.frame(ff) #optionnel

BC

[ced]

Bonjour,

Lors de mon dernier post, ced m'a donné un outil très puissant "data.table" permettant de trier des data.frame. Je peux supposer que cet outil est capable de lire les dates de la 1ère colonne et alors trier les données en prenant en compte cette info. Mais je n'ai pas réussi à trouver doc pertinente sur data.table. :s

Effectivement, une fois qu'on a compris comment marche data.table, ce type de calcul devient à la fois très simple, et d'une efficacité redoutable en termes de temps de traitement (bien plus que les apply, aggregate, plyr et autres).

Dans votre cas, voici ce que ça donne :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
> library(data.table)
data.table 1.8.7  For help type: help("data.table")
 
> heau <- data.table(jour = c("20000801", "20000801", "20000801", "20000802", "20000802", "20000803", "20000803", "20000803", "20000803", "20000804", "20000804", "20000804", "20000805", "20000805")
+   , heure = c("00:30", "07:42", "18:15", "01:12", "16:40", "00:51", "06:17", "13:32", "21:14", "02:15", "12:20", "22:10", "03:00", "23:00")
+   , hauteur = c(20.4, 25.2, 23.5, 27.1, 29.2, 30.5, 33.4, 31.3, 31.2, 33.2, 34.5, 36.2, 34.0, 32.5)
+ )
 
> heau
        jour heure hauteur
 1: 20000801 00:30    20.4
 2: 20000801 07:42    25.2
 3: 20000801 18:15    23.5
 4: 20000802 01:12    27.1
 5: 20000802 16:40    29.2
 6: 20000803 00:51    30.5
 7: 20000803 06:17    33.4
 8: 20000803 13:32    31.3
 9: 20000803 21:14    31.2
10: 20000804 02:15    33.2
11: 20000804 12:20    34.5
12: 20000804 22:10    36.2
13: 20000805 03:00    34.0
14: 20000805 23:00    32.5
 
> setkey(heau, jour)
 
> heau[, mean(hauteur), by = jour]
       jour       V1
1: 20000801 23.03333
2: 20000802 28.15000
3: 20000803 31.60000
4: 20000804 34.63333
5: 20000805 33.25000

Voilà, c'est tout simple...

[vincent1989]

Merci ced pour le tuyau !
Je devrais par la suite être confronté à des séries de données temporelles beaucoup plus longues que celle que j'ai indiquée en exemple, mais votre réponse me guide désormais sur la bonne voie !
Amicalement,
vincent