2015年09月22日

最新推荐文章于 2021-04-12 20:57:59 发布
最新推荐文章于 2021-04-12 20:57:59 发布
阅读量252 收藏
点赞数
分类专栏： R
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/paulsweet123/article/details/52194114
版权
#ABG,P80
>  TEM <- read.table(file = "Temperature.txt",header = T)
> 
> names(TEM)
 [1] "Sample"      "Date"        "DateNr"      "dDay1"       "dDay2"      
 [6] "dDay3"       "Station"     "Area"        "X31UE_ED50"  "X31UN_ED50" 
[11] "Year"        "Month"       "Season"      "Salinity"    "Temperature"
[16] "CHLFa"      
> str(TEM)
'data.frame': 8528 obs. of  16 variables:
 $ Sample     : Factor w/ 8528 levels "DANT.19900110",..: 1 2 3 4 5 6 7 8 9 10 ...
 $ Date       : int  19900110 19900206 19900308 19900404 19900509 19900620 19900718 19900815 19900919 19901017 ...
 $ DateNr     : Factor w/ 2343 levels "1/13/1992","1/13/1995",..: 408 437 445 428 448 1839 1956 2084 2262 133 ...
 $ dDay1      : int  7 34 64 91 126 168 196 224 259 287 ...
 $ dDay2      : int  9 36 66 93 128 170 198 226 261 289 ...
 $ dDay3      : int  9 36 66 93 128 170 198 226 261 289 ...
 $ Station    : Factor w/ 30 levels "DANT","DREI",..: 1 1 1 1 1 1 1 1 1 1 ...
 $ Area       : Factor w/ 10 levels "ED","GM","KZ",..: 10 10 10 10 10 10 10 10 10 10 ...
 $ X31UE_ED50 : num  681380 681380 681380 681380 681380 ...
 $ X31UN_ED50 : num  5920571 5920571 5920571 5920571 5920571 ...
 $ Year       : int  1990 1990 1990 1990 1990 1990 1990 1990 1990 1990 ...
 $ Month      : int  1 2 3 4 5 6 7 8 9 10 ...
 $ Season     : Factor w/ 4 levels "autumn","spring",..: 4 4 2 2 2 3 3 3 1 1 ...
 $ Salinity   : num  29.2 27.4 25 28.8 33.3 ...
 $ Temperature: num  4 6 7.3 8.2 17.4 18.1 17 21 15.1 13.8 ...
 $ CHLFa      : num  1.3 NA 21.1 25 10.2 6.2 7.9 7.85 13 11.8 ...
> 
> #先分别提取出1990-2005每一年的数据，eg:tem1990 <-TEM[TEM$Year==1990,]
> #后再month来分temperature
> 
> tem1990 <-TEM[TEM$Year==1990,]
> Month1990 <- tapply(TEM$Temperature,TEM$Month,FUN = mean,na.rm=T)
> 
> 
> tem1991 <-TEM[TEM$Year==1991,]
> Month1991 <- tapply(TEM$Temperature,TEM$Month,FUN = mean,na.rm=T)
> 
> tem1992 <-TEM[TEM$Year==1992,]
> Month1992 <- tapply(TEM$Temperature,TEM$Month,FUN = mean,na.rm=T)
> 
> tem1993 <-TEM[TEM$Year==1993,]
> Month1993 <- tapply(TEM$Temperature,TEM$Month,FUN = mean,na.rm=T)
> 
> tem1994 <-TEM[TEM$Year==1994,]
> Month1994 <- tapply(TEM$Temperature,TEM$Month,FUN = mean,na.rm=T)
> 
> tem1995 <-TEM[TEM$Year==1995,]
> Month1995 <- tapply(TEM$Temperature,TEM$Month,FUN = mean,na.rm=T)
> 
> tem1996 <-TEM[TEM$Year==1996,]
> Month1996 <- tapply(TEM$Temperature,TEM$Month,FUN = mean,na.rm=T)
> 
> tem1997 <-TEM[TEM$Year==1997,]
> Month1997 <- tapply(TEM$Temperature,TEM$Month,FUN = mean,na.rm=T)
> 
> tem1998 <-TEM[TEM$Year==1998,]
> Month1998 <- tapply(TEM$Temperature,TEM$Month,FUN = mean,na.rm=T)
> 
> tem1999 <-TEM[TEM$Year==1999,]
> Month1999 <- tapply(TEM$Temperature,TEM$Month,FUN = mean,na.rm=T)
> 
> tem2000 <-TEM[TEM$Year==2000,]
> Month2000 <- tapply(TEM$Temperature,TEM$Month,FUN = mean,na.rm=T)
> 
> tem2001 <-TEM[TEM$Year==2001,]
> Month2001 <- tapply(TEM$Temperature,TEM$Month,FUN = mean,na.rm=T)
> 
> tem2002<-TEM[TEM$Year==2002,]
> Month2002 <- tapply(TEM$Temperature,TEM$Month,FUN = mean,na.rm=T)
> 
> tem2003 <-TEM[TEM$Year==2003,]
> Month2003 <- tapply(TEM$Temperature,TEM$Month,FUN = mean,na.rm=T)
> 
> tem2004 <-TEM[TEM$Year==2004,]
> Month2004 <- tapply(TEM$Temperature,TEM$Month,FUN = mean,na.rm=T)
> 
> tem2005<-TEM[TEM$Year==2005,]
> Month2005 <- tapply(TEM$Temperature,TEM$Month,FUN = mean,na.rm=T)
> 
> resultF <- data.frame(Month1990,Month1991,Month1992,Month1993,Month1994,Month1995,
+       Month1996,Month1997,Month1998,Month1999,Month2000,Month2001,
+       Month2002,Month2003,Month2004,Month2005)
> 
> resultF
   Month1990 Month1991 Month1992 Month1993 Month1994 Month1995 Month1996 Month1997
1   5.174210  5.174210  5.174210  5.174210  5.174210  5.174210  5.174210  5.174210
2   4.737400  4.737400  4.737400  4.737400  4.737400  4.737400  4.737400  4.737400
3   6.125961  6.125961  6.125961  6.125961  6.125961  6.125961  6.125961  6.125961
4   8.702035  8.702035  8.702035  8.702035  8.702035  8.702035  8.702035  8.702035
5  12.293479 12.293479 12.293479 12.293479 12.293479 12.293479 12.293479 12.293479
6  15.659933 15.659933 15.659933 15.659933 15.659933 15.659933 15.659933 15.659933
7  18.077343 18.077343 18.077343 18.077343 18.077343 18.077343 18.077343 18.077343
8  19.388355 19.388355 19.388355 19.388355 19.388355 19.388355 19.388355 19.388355
9  16.995974 16.995974 16.995974 16.995974 16.995974 16.995974 16.995974 16.995974
10 13.619670 13.619670 13.619670 13.619670 13.619670 13.619670 13.619670 13.619670
11  9.848891  9.848891  9.848891  9.848891  9.848891  9.848891  9.848891  9.848891
12  6.746339  6.746339  6.746339  6.746339  6.746339  6.746339  6.746339  6.746339
   Month1998 Month1999 Month2000 Month2001 Month2002 Month2003 Month2004 Month2005
1   5.174210  5.174210  5.174210  5.174210  5.174210  5.174210  5.174210  5.174210
2   4.737400  4.737400  4.737400  4.737400  4.737400  4.737400  4.737400  4.737400
3   6.125961  6.125961  6.125961  6.125961  6.125961  6.125961  6.125961  6.125961
4   8.702035  8.702035  8.702035  8.702035  8.702035  8.702035  8.702035  8.702035
5  12.293479 12.293479 12.293479 12.293479 12.293479 12.293479 12.293479 12.293479
6  15.659933 15.659933 15.659933 15.659933 15.659933 15.659933 15.659933 15.659933
7  18.077343 18.077343 18.077343 18.077343 18.077343 18.077343 18.077343 18.077343
8  19.388355 19.388355 19.388355 19.388355 19.388355 19.388355 19.388355 19.388355
9  16.995974 16.995974 16.995974 16.995974 16.995974 16.995974 16.995974 16.995974
10 13.619670 13.619670 13.619670 13.619670 13.619670 13.619670 13.619670 13.619670
11  9.848891  9.848891  9.848891  9.848891  9.848891  9.848891  9.848891  9.848891
12  6.746339  6.746339  6.746339  6.746339  6.746339  6.746339  6.746339  6.746339
> resultFmean <- rowMeans(resultF)

#如何计算每一行的平均值和方差？均可用sapply | lapply 来做，
#其中横向均值可用rowMeans 来做
resultFmean <- rowMeans(resultF)
rownames(resultF) <-c("1month","2month","3month","4month","5month",
                      "6month","7month","8month","9month","10month",
                      "11month","12month")
sapply(resultF[1:12,],FUN = mean)

#计算结果很奇怪，都是一样的。。所以是否数据的问题，我个人认为方法没有问题
paulsweet_M
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
2015年5月16日
xiaojianglove3的博客
05-16 7402
;;;;;;;;;------------------- iK7VUYG0yF6lS3QNNmW4Gw== tRymiHsi9AZaIMNcoXxjViD5oRYouMh32exZlBugkMg= uk29oXxJxAg+D0WGWLg/LaJ5+a4y4SSHbrMB4JywbGg= eIWSkIow/vo+D0WGWLg/LaJ5+a4y4SSHbrMB4JywbGg= pcL609
signature=99daf37ca32015c39987d04abe5a559d,合肥2015年7月4日至2015年7月16日交通违章查询...
热门推荐
weixin_28736335的博客
05-29 1万+
备注：查询时按ctrl+f，方便快速查找。小型汽车(蓝牌)藏AQ1103 川A2ZH95 川A2ZL77 川A4RL16 川AB9B03 川AF8R10川AG28F8 川RS5355 鄂A51602 鄂A6NW35 鄂A721K6 鄂A87Q05鄂A8XQ78 鄂A9DU50 鄂AH07W0 鄂AJ1V12 鄂AK08L5 鄂AM02D6鄂AM5488 鄂AN1A91 鄂AP5Y77 鄂ASA18...
R语言lattice包介绍
栖客
05-29 1万+
lattice包是一个非常强大地高级绘图程序包，由Deepayan Sarkar编写，这个程序包使20世纪90年代初期在贝尔实验室发展起来的特雷里斯图形框架（Trellis）变成了现实。 lattice包很容易实现单变量或多变量的数据可视化，生成的图形为栅栏图。在一个或多个其它变量的条件下，栅栏图可展示某个变量的分布或与其他变量间的关系。 lattice包提供了丰富的图形函数，可生成单变量图形(点
2015年03月6日 iOS学习笔记
iOS门外汉张宇的一些笔记
03-06 759
1：DTCoreText支持三种安装方式１、使用cocoapods ２、作为一个子项目（sub-project） ３、作为一个Framework记录一下我使用第二种方法作为子项目安装的步骤。 1、首先找到你需要引入DTCoreText的项目。 2、在项目目录下，执行下面git命令下载代码。 git clone –recursive https://github.com/Cocoanetic
始于2015年11月23日，终于2018年08月08日
moshinvwang的专栏
04-04 839
留念。 2015年11月23日：在一起 2016年01月17日-21日：北京机场，我们❤ 2016年04月16日：去他所在城市——成都 2016年06月04-06日：第一次小旅游——都江堰、青城山 2017年02月10日：一起去了广州 2017年03月27日：入职他所在公司 2017年05月28日-6月1日：去他家，海南，琼海。 2018年01月01日-2日：深圳小旅行 2018...
2015年数模A题太阳影子定位学习笔记
α-Ori-Betelgeuse
07-23 1万+
文章目录一、问题重述二、问题分析2.1问题一的分析2.2问题二的分析2.3问题三的分析2.4问题四的分析三、模型假设四、定义与符号说明五、模型的建立与求解六、模型的评价与推广参考文献附录 一、问题重述 二、问题分析 2.1问题一的分析 2.2问题二的分析 2.3问题三的分析 2.4问题四的分析 三、模型假设 四、定义与符号说明 五、模型的建立与求解 六、模型的评价与推广 参考文献 附录 ...
mysql2014ex,MS15-058：SQL Server 2014 QFE 的安全更新说明：2015 年 7 月 14 日
weixin_31448343的博客
03-23 819
_8ofssp1.dll12.0.2548.022,72009-Jun-201502:15x86Not Applicable_cyqp7bv.dll12.0.2548.052,92809-Jun-201502:13x86Not Applicable_fvojygl.dll12.0.2548.021,18409-Jun-201502:18x86Not Applicable_oc2dhya.dll12...
2015 年全国房价会呈什么趋势？
08-16 930
https://www.zhihu.com/question/27605852 最新补充：2015年年终总结见本答案最后部分。下面是原答案： ———————————————————————————————————— 这个问题比较合胃口，鉴于去年已经成功命中一回，今年也试着再来一回。 友情提示，图表较多，手机党慎入。 我们一个问题一个问题的来捋一下： 1.城镇化何
NCU SEM 发文检索2015年
NicolasHe的专栏
09-04 1万+
[1]何恩良,周莉.会计师事务所行业专长对审计质量的影响[J].中国商论,2015,27:49-51. 摘要：会计师事务所行业专长有利于提高审计质量。本文选择2013年沪深股市部分上市公司作为研究样本,通过回归分析验证了会计师事务所行业专长与审计质量正相关,并提出会计师事务所需要加大人才内部培训和外部引进的力度,在后续教育上应聘请相关行业的专家讲授行业的相关知识,审计监管者应编辑各个行业的专业知
oracle年龄计算函数天 月 年,如何使用Oracle获得年龄，月份和天数的年龄
weixin_33961553的博客
04-12 925
小编典典与Lalit的答案非常相似，但是您可以add_months通过按整个月的总差异进行调整来获得准确的天数，而无需假设每月有30天：select sysdate,hiredate,trunc(months_between(sysdate,hiredate) / 12) as years,trunc(months_between(sysdate,hiredate) -(trunc(months_...
2015年新施工单位CB用表.pdf
01-07
2015年新施工单位CB用表系列包含了从项目启动到完成的各个环节所需的各种申报、计划和报告，确保了工程的规范化和高效运行。以下是这些表格所代表的知识点及其重要性： 1. **施工技术方案申报表(CB01)**：此表用于...
Draft Tue Jan 22 22:06:51 CST 2019-数据集
03-29
标题 "Draft Tue Jan 22 22:06:51 CST 2019-数据集" 暗示这是一个关于数据分析或研究的项目，可能是一个竞赛或者学术研究的数据包，创建时间是2019年1月22日的晚上。这个数据集可能用于预测、建模或者评估某个特定...
20210822-天风证券-策略·专题：类比09-15年，新一轮硬科技的周期处于什么阶段？.zip
09-29
"揭示了一个研究专题，由天风证券在2021年8月22日发布。该专题对比了2009年至2015年间硬科技行业的周期性特点，并试图分析当前（即2021年）硬科技行业的发展阶段。这个专题对于投资者和科技行业从业者理解科技行业的...
江苏省南通市天星湖中学2015_2016学年高一地理上学期期中试题
08-18
7. **昼夜长短与纬度关系** - 在12月22日冬至日，北半球昼短夜长，南半球反之。根据四地的白昼时间，只有丁地昼长大于12小时，所以丁地位于南半球。而纬度越高，冬至日昼越短，所以根据昼长从高到低排序是甲、乙、丁...
Desamber:Oscean时间格式的Ruby类
05-06
德桑伯 在，日期使用国际固定日历的变化形式和自定义约定来书写，以使英文月份的名称远离希腊诸神的名称。...2015年3月22日 2015年3月25日， 2015年1月29日 2015年1月1日 2015年12月25日 Tridesambe
自相关函数acf pacf
momo的博客
07-23 1万+
income "income_end.txt",header = T) y 7] x 1] acf(y,na.action = na.pass) ＃缺失值出现 ?acf pacf(y,na.action = na.pass)
unbiase application plot
momo的博客
07-23 1458
set.seed(1)x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14 x15 x16 x17 x18 x19 x20 x21 x22 x23 x24 x25 x26 x27 x28 x29 x30 x31 x32 x33 x34 x35 x36 x37 x38 x39 x40 x41 x42 x43 x44 x45 x46 x47 x48 x49 x5
如何运用循环赋值
momo的博客
07-23 1399
#循环中，每次循环都打印出i的结果。#循环结束后，i不再更新，打印i输出的就是i最后一次的取值，#并且一直都是这个值，除非你再次给i赋值。set.seed(1)for (i in seq(from=1,to=500,by=1))i               #i，运行得出500print(i)      #print(i),运行得出1-500
文本分词，记词频，做词云
momo的博客
07-23 1004
a b ?table lecture=read.csv("1.segment.txt",sep=",",header=TRUE,fileEncoding="UTF-8")   # 查看前几行，看是否有字符编码问题  head(lecture);  # 获取数据集长度  n=length(lecture[,1]);  print(n)  # == 文本预处理  res=lecture[lecture
2015年12月全国电大计算机网考题库完整.doc
最新发布
12-16
"2015年12月全国电大计算机网考题库完整" 这份资料详细列出了2015年12月全国电大计算机网络考试的选择题分布情况，涵盖了多个核心章节的内容，包括基础知识、操作系统应用、文字处理、电子表格、演示文稿、计算机...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值