R语言求一行(列表、list)数据的平均数操作
时间：2022-05-09 09:41:20|栏目：|点击： 次
R语言求一个列表的平均数可以使用mean() ：
mean英文意思有平均数的含义
x=c(1,3,5,7,9) max(x) #这样即可求得平均数为 ： 5
假如读取过一个csv文件之后，要求其中一行数据中指定某个区间内的平均数可以使用rowMeans()
data = read.csv(“input.csv",sep=",",header=T) rowMeans(data[10:17])
补充：R语言-数据框分组求平均值
【技术关键】
1、从excel把数据读到数据框
2、算法实现将数据框的一些数据合为新的数据并组成新的数据框
3、将处理结果，即新的数据框保存到excel文件（或.csv）
4、将绘图结果输出到PDF文件保存
最近在尝试分析近日的环境温湿度变化；
虽然设备只运行了48小时左右；
但收集到的有效数据有30000+（当然对于R而言这算很小意思的了）；
由于环境温湿度在一小段时间内基本保持稳定；
所以在分析几日内的温湿度变化情况时可以以每10min为单位记录数据；
这就需要一个脚本，能将数据有效划分为单位后求均值再保存到表；
###################################################
# - Filename : washData.R
# - Author : Johan Version : 1.0 Date : 2018/5/3
# - Discription : 将excel表中的数据分10min计算平均值
# 并保存到excel
# - Function list :
# 1.
# - Others :
# 1.本程序可分析.xls或.csv文件
###################################################
# 引用包
library(RODBC)
# 设置工作目录
setwd("H:/mySoftware/R/myData")
# 导入数据到myDataFrame，文件名根据需要改变
# 打开th_record2.xls，并读取表Sheet1
channel <- odbcConnectExcel2007("th_record2.xls")
myDataFrame <- sqlFetch(channel, "Sheet1")
odbcClose(channel)
# 为myDataFrame增加列名
dataColName <- c("temp","humi","time","year","month","day","hour","minute","second")
names(myDataFrame) <- dataColName
# 初始化缓存向量
# 时分秒为起始量，可修改
NUM <- c() # 编号
TEMP <- c() # 温度
HUMI <- c() # 湿度
t <- 0 # 温度缓存
h <- 0 # 湿度缓存
num <- 0 # 编号缓存
dn <- 0 # 计数器
flag <- FALSE # 保存指示
# 循环处理数据
for(i in 1 : 31600){
# 当前分钟是否为10的倍数
if(myDataFrame$minute[i] %% 10 == 0){
# 计算上一组数据的均值并保存
if(flag){
t <- t / dn
h <- h / dn
TEMP <- c(TEMP, t)
HUMI <- c(HUMI, h)
num <- num + 1
NUM <- c(NUM, num)
flag <- FALSE
}
# 缓存复位
dn <- 0
t <- 0
h <- 0
# 添加记录
t <- t + myDataFrame$temp[i]
h <- h + myDataFrame$humi[i]
dn <- dn + 1
}
else{
# 添加记录
t <- t + myDataFrame$temp[i]
h <- h + myDataFrame$humi[i]
dn <- dn + 1
flag <- TRUE
}
}
# 构建新数据框
newFrame <- data.frame(NUM, TEMP, HUMI)
newName <- c("number","temp","humi")
names(newFrame) <- newName
# 写入.csv文件
write.csv(newFrame, "new_th_record.csv")
# 绘图
plot(newFrame$number, newFrame$temp, pch=20, lty=3, col="red")
lines(newFrame$number, newFrame$humi, pch=20, lty=3, col="blue")
把处理结果保存到新的.csv或者.xls文件即是整个脚本的目的所在，方便后面的数据分析。
运行后得到的效果如下：（由于温湿度的数值不在一个层次所以反映得不太直观，可尝试调换plot和lines的顺序，通过绘图方面的学习可以画出更好看的图）
如果想要输出为PDF保存该图片，可以运行另一个脚本：
pdf("new_th_record.pdf")
plot(newFrame$number, newFrame$humi, pch=20, lty=3, col="blue")
lines(newFrame$number, newFrame$temp, pch=20, lty=3, col="red")
dev.off()
PDF文件的一个好处就是它里面的图片是矢量的，也就是说放大图片不会改变图片的原样，原本看上去粘在一块儿的点放大以后能看出来是分开的。
