首先，一些样本数据：
location <- c("A","B","C","D","E")
mat <- as.data.frame(matrix(runif(1825),nrow=5,ncol=365))
t1<- c(258,265,306,355)
t2<- c(258,270,302,352)
t3<- c(258,275,310,353)
t4<- c(258,280,303,355)
t5<- c(258,285,312,356)
ts<-rbind(t1,t2,t3,t4,t5)
dat <-as.data.frame(cbind(location,mat,ts))
names(dat)[367:370] <- c("pl","vg","re","me")
qazxsw poi是网站的名称。 qazxsw poi到qazxsw poi是每日降雨量（location是一年中的第一天）。我想做的是：
对于每一行（V1），我想根据最后四列V365，V1，location，pl（指定一年中的几天）产生三个降雨量值
例如，对于位置vg，最后四列是：
re me = 258 = 265 = 306 A pl = 355
因此，对于位置vg，我想产生三个降雨量值，这些降雨量值来自：
re到me
A到V258和
V264到V265
并为所有五个地点做到这一点。
我做的是：
V305我想避免使用V306循环并使用V355函数。但是，我不熟悉如何使用apply函数一次性计算所有行（位置）。任何人都可以告诉我如何去做吗？
谢谢
编辑
如果我有其中一个降雨量值为NA且其他日期为NA的地点，我该如何修改下面接受的答案代码。这是样本数据
for(j in unique(dat$location)){
loc <- dat[dat$location == j,]
pl.val <- loc$pl + 1 # have to add + 1 since the rainfall starts from the second column
vg.val <- loc$vg + 1
re.val <- loc$re + 1
me.val <- loc$me + 1
rain1 <- sum(loc[,pl.val:vg.val])
rain2 <- sum(loc[,(vg.val+ 1):re.val])
rain3 <- sum(loc[,(re.val + 1):me.val])
}
我假设你想要速度。
我认为你的数据形式不好计算，因为只有col1是字符，col367：370的种类不同，而且很宽。也许按行计算并不是一个好主意。基本上R是很好的计算col col。
如果我是你，我会准备如下表格的数据;
for我建议apply计算每对cols。 location <- c("A","B","C")
mat <- as.data.frame(matrix(runif(365*3),nrow=3,ncol=365))
t1<- c(258,265,306,355)
t2<- c(258,NA,NA,NA)
t3<- c(258,275,310,353)
ts<-rbind(t1,t2,t3)
dat <-as.data.frame(cbind(location,mat,ts))
names(dat)[367:370] <- c("pl","vg","re","me")
dat[2,-c( 367:370)] <- NA
是library(tidyverse)
dat1 <- dat[, -c(1, 367:370)] %>%
t() %>%
as.tibble() %>%
set_names(location)
dat2 <- dat[, 367:370] %>%
t() %>%
as.tibble() %>%
set_names(location)
的每个col，map2()是.x的每个col（它们被视为向量）。下面的代码是你的50倍。
dat1[additionnl（apply，mapply）]
注意：由于转换为矩阵，.y难以处理具有字符和数字的dat2。因此，如果您使用map2(dat1, dat2, ~ {
pl.val <- .y[1]
vg.val <- .y[2]
re.val <- .y[3]
me.val <- .y[4]
rain1 <- sum(.x[pl.val:vg.val])
rain2 <- sum(.x[(vg.val+ 1):re.val])
rain3 <- sum(.x[(re.val + 1):me.val])
c(rain1 = rain1, rain2 = rain2, rain3 = rain3)
}
)
，则需要删除位置col。
apply()data.frame与apply()大致相同。在这个问题中，apply(dat[,-1], MARGIN = 1, function(x){
pl.val <- x[367 - 1]
vg.val <- x[368 - 1]
re.val <- x[369 - 1]
me.val <- x[370 - 1]
rain1 <- sum(x[pl.val:vg.val])
rain2 <- sum(x[(vg.val+ 1):re.val])
rain3 <- sum(x[(re.val + 1):me.val])
c(rain1 = rain1, rain2 = rain2, rain3 = rain3)
})
表现最佳。
mapply()[基准]
map2()[附加2（错误处理）]
当没有NA时，下面的代码几乎与上面的代码一样快。 （注意：如果它在一行中，你可以省略mapply()的mapply(function(.x, .y){
pl.val <- .y[1]
vg.val <- .y[2]
re.val <- .y[3]
me.val <- .y[4]
rain1 <- sum(.x[pl.val:vg.val])
rain2 <- sum(.x[(vg.val+ 1):re.val])
rain3 <- sum(.x[(re.val + 1):me.val])
c(rain1 = rain1, rain2 = rain2, rain3 = rain3)
}, dat1, dat2)
，例如Unit: microseconds
expr min lq mean median uq max neval cld
forloop_method() 14154.075 15074.555 17110.4060 16588.1200 18416.387 25869.836 100 c
map2_method() 205.586 234.263 325.8762 313.9395 333.633 2072.911 100 a
apply_method() 1617.443 1684.812 1913.9187 1783.2480 1933.216 4189.687 100 b
mapply_method() 154.972 185.079 213.9370 210.2300 225.978 468.690 100 a
。）
{}我不确定你想要什么样的返回雨天？它们是否会被绑定为3个新列？
基本上，这是代码......我将逐步介绍：对于if(...) { A } else { B } data.frame中的每一行，选择代表日期的列，然后构建这些数字对应值的序列，但逐步降低下一个值这样我们每次都能获得正确的列。由于我们现在在数据的每个位置if(...) A else B上运行，将值转换为数字，并在results <- map2(dat1, dat2, ~ {
pl.val <- .y[1]
vg.val <- .y[2]
re.val <- .y[3]
me.val <- .y[4]
rain1 <- if(is.na(pl.val) | is.na(vg.val)) NA else sum(.x[pl.val:vg.val], na.rm = T)
rain2 <- if(is.na(vg.val) | is.na(re.val)) NA else sum(.x[(vg.val+ 1):re.val], na.rm = T)
rain3 <- if(is.na(re.val) | is.na(me.val)) NA else sum(.x[(re.val + 1):me.val], na.rm = T)
c(rain1 = rain1, rain2 = rain2, rain3 = rain3)
}
)
# If you want data.frame instead of list
invoke("rbind", results)
步骤中对相应的列求和。使用dat将slice附加到我们从序列创建中获得的每个列号，并作为列表返回。然后我简单地用相应位置的ID命名列表向量...如果你想将它附加到data.frame，它也会很简单。
apply