计算 r 中数据框列中数值之间的 NaN 平均数

Posted 2023-03-24

【中文标题】计算 r 中数据框列中数值之间的 NaN 平均数

【英文标题】：Calculate the NaN average number between numeric values in a dataframe column in r

【发布时间】：2021-11-25 21:09:45

【问题描述】：

这是我的数据的样子：

 dput(head(dataf,40))
structure(list(Time = c(20000224, 20000225, 20000226, 20000227, 
20000228, 20000229, 20000301, 20000302, 20000303, 20000304, 20000305, 
20000306, 20000307, 20000308, 20000309, 20000310, 20000311, 20000312, 
20000313, 20000314, 20000315, 20000316, 20000317, 20000318, 20000319, 
20000320, 20000321, 20000322, 20000323, 20000324, 20000325, 20000326, 
20000327, 20000328, 20000329, 20000330, 20000331, 20000401, 20000402, 
20000403), NDVI = c(NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, NaN, 
NaN, NaN, NaN, NaN, 0.562256741, 0.560792828, 0.559272321, 0.554727235, 
NaN, NaN, NaN, NaN, NaN, NaN, NaN, 0.506596306, 0.504768168, 
0.536223787, 0.5476394, 0.520311992, 0.52862363, NaN, NaN, NaN, 
NaN, NaN, NaN, NaN, NaN, NaN, NaN)), row.names = c(NA, -40L), class = c("tbl_df", 
"tbl", "data.frame"))

我想知道数据框的一列 (NDVI) 中两个数值之间的 NaN 的平均值。

请看下面的例子：

Date	NDVI
20000224	NaN
20000225	NaN
20000226	NaN
20000227	NaN
20000228	NaN
20000229	NaN
20000301	NaN
20000302	NaN
20000303	NaN
20000304	NaN
20000305	NaN
20000306	NaN
20000307	NaN
20000308	0.562256741
20000309	0.560792828
20000310	0.559272321
20000311	0.554727235
20000312	NaN
20000313	NaN
20000314	NaN
20000315	NaN
20000316	NaN
20000317	NaN
20000318	NaN
20000319	0.506596306
20000320	0.504768168
20000321	0.536223787
20000322	0.5476394
20000323	0.520311992
20000323	0.52862363

平均值为：

包括最初的 NaN：10 NaN

不包括第一个 NaN：7 NaN

注意，我特意放置了这个数据框，因为它以NaN 开头。我假装的解决方案是在开头包含NaN，因此它将考虑值之间的NaN 的平均值和另一个仅在NaN 之前的第一个数值之后开始计算NaN 的解决方案.

任何帮助将不胜感激。

【问题讨论】：

是的，一个数字（连续 NaN 运行的平均值）。

抱歉，我想说的是，在您的示例数据中，有第三个 10 个连续 NaN 序列，因此平均值为 10 (13 + 7 + 10)/3 或 8.5 (7 + 10) /2... 还是我弄错了？希望下面我的回答对你有帮助

我用我的示例数据做了一个小例子，只是为了展示我假装的两个选项。首先，我希望有一个包含第一个 NaN 的平均值和另一个不包含它们的平均值。是的，你的计算是正确的。

【参考方案1】：

library(dplyr)

dataf %>% 
  group_by(cumsum(!is.na(NDVI))) %>% 
  mutate(cnt = cumsum(is.na(NDVI))) %>% 
  filter(cnt != 0) %>% 
    summarise(consecutive_NaNs = max(cnt)) %>% 
    select(consecutive_NaNs)

返回：

  consecutive_NaNs
             <int>
1               13
2                7
3               10

如果你只想要平均值：

dataf %>% 
group_by(cumsum(!is.na(NDVI))) %>% 
mutate(cnt = cumsum(is.na(NDVI))) %>% 
filter(cnt != 0) %>% 
  summarise(consecutive_NaNs = max(cnt)) %>% 
  select(consecutive_NaNs) %>% 
    summarise(mean_run_length = mean(consecutive_NaNs))

返回：

   mean_run_length
            <dbl>
1              10

附言

如果您使用提供所有运行长度的解决方案，您可以决定是否要包括初始运行......