Warning: file_get_contents(/data/phpspider/zhask/data//catemap/4/r/75.json): failed to open stream: No such file or directory in /data/phpspider/zhask/libs/function.php on line 167

Warning: Invalid argument supplied for foreach() in /data/phpspider/zhask/libs/tag.function.php on line 1116

Notice: Undefined index: in /data/phpspider/zhask/libs/function.php on line 180

Warning: array_chunk() expects parameter 1 to be array, null given in /data/phpspider/zhask/libs/function.php on line 181
R 使用列表查找列表在第二个列表中查找高于阈值的值并对其进行量化_R_List - Fatal编程技术网

R 使用列表查找列表在第二个列表中查找高于阈值的值并对其进行量化

R 使用列表查找列表在第二个列表中查找高于阈值的值并对其进行量化,r,list,R,List,我有一个问题,这是我之前提出的一个问题的扩展,这次我有一个带有数据帧的列表。 我正在用R语言分析河流流量数据,我有两个列表。First保存来自不同河段的两个不同预测(Flowtest1和Flowtest2)的数据(Flowtest_all),称为数字,如910和950。我每天有数百次流量测量(流量) Flowtest1虽然我没有完全理解您在分析方面的需求,但我首先会使用您的(示例)数据执行以下操作 >库(dplyr) >英尺水头(英尺) #一个tibble:6x3 流程测试id流 1流程测试1

我有一个问题,这是我之前提出的一个问题的扩展,这次我有一个带有数据帧的列表。 我正在用R语言分析河流流量数据,我有两个列表。First保存来自不同河段的两个不同预测(Flowtest1和Flowtest2)的数据(Flowtest_all),称为数字,如910和950。我每天有数百次流量测量(流量)


Flowtest1虽然我没有完全理解您在分析方面的需求,但我首先会使用您的(示例)数据执行以下操作

>库(dplyr)
>英尺水头(英尺)
#一个tibble:6x3
流程测试id流
1流程测试1 910 123
2流程测试1 910 170
3流程测试1 910 187
4流程测试1 910 245
5流程测试1 910 679
6流程测试1 910 870

一旦数据以这种方式以一种整洁的格式结束,只有这样我才能对相应的数据组(由cols“FlowTest”和“id”定义)应用必要的阈值和查找。

谢谢,这很有帮助!我觉得使用数据框比列表更有信心,我能够以自己的方式达到预期的结果。@JoannaOK-不客气;我最初的猜测是,帮助重新安排,您提供的数据将有助于您以后的分析,这似乎是正确的,与我的预期相同,即您足够聪明,能够自己采取最后的步骤;-)
Flowtest1 <- list("910" = tibble(Flow=c(123, 170, 187, 245, 679, 870, 820)),
                 "950" = tibble(Flow=c(570, 450, 780, 650, 230, 470, 340)))
Flowtest2 <- list("910" = tibble(Flow=c(167, 125, 287, 345, 570, 789, 825)),
                 "950" = tibble(Flow=c(573, 427, 717, 682, 237, 510, 376)))
Flowtest_all <- list(Flowtest1, Flowtest2)
RCH1 <- list("910" = data.frame( Q3=650),
                "950" = data.frame(Q3=550))
RCH2 <- list("910" = data.frame(Q3=670),
                "950" = data.frame(Q3= 570))
RCH_all <- list(RCH1, RCH2)
Resulttest1 <- list("910" = data.frame( aboveQ3=3),
                  "950" = data.frame( aboveQ3=3))
Resulttest2 <- list("910" = data.frame( aboveQ3=2),
                  "950" = data.frame( aboveQ3=3))
test <- Map(function(x, y) aggregate( Flow > Q3, merge(x, y, all = TRUE, na.action = 'na.pass'), sum, na.rm = TRUE, na.action = 'na.pass'), Flowtest_all, RCH_all)
> library(dplyr) 
> FT <- bind_rows(list("Flowtest1" = bind_rows(Flowtest1, .id = "id"), 
                     "Flowtest2" = bind_rows(Flowtest2, .id = "id")), .id = "FlowTest") 

> head(FT)
# A tibble: 6 x 3
  FlowTest  id     Flow
  <chr>     <chr> <dbl>
1 Flowtest1 910     123
2 Flowtest1 910     170
3 Flowtest1 910     187
4 Flowtest1 910     245
5 Flowtest1 910     679
6 Flowtest1 910     870