在概念化如何在R中实现线性插值时遇到困难
我对编码相当陌生,甚至在概念化如何在R中实现这个问题上都有困难。 对不起,如果我遗漏了一些非常明显的东西 我试图找出特定气象站每分钟的压力修正系数(y)。 这是公式: x是该位置的高程与某个常数的比值 y是压力修正系数 m是海平面上的光学气团 m取决于一天中的时间,我的时间序列中每分钟都有一列m值在概念化如何在R中实现线性插值时遇到困难,r,interpolation,linear-interpolation,R,Interpolation,Linear Interpolation,我对编码相当陌生,甚至在概念化如何在R中实现这个问题上都有困难。 对不起,如果我遗漏了一些非常明显的东西 我试图找出特定气象站每分钟的压力修正系数(y)。 这是公式: x是该位置的高程与某个常数的比值 y是压力修正系数 m是海平面上的光学气团 m取决于一天中的时间,我的时间序列中每分钟都有一列m值 when x = 1, y = 1. when x = 0.75, y= 1.25 -.012*m + .00037*m^2 when x= 0.5, y = 1.68 -.03*m + .0009
when x = 1, y = 1.
when x = 0.75, y= 1.25 -.012*m + .00037*m^2
when x= 0.5, y = 1.68 -.03*m + .0009*m^2
在x和y的值之间进行线性插值。
我感兴趣的x值是0.9804
这是我在实施方面所能做到的(不远):
x要执行插值,可以执行以下操作:
library(tidyverse)
df <- structure(list(DF.Date = structure(c(1357296180, 1358021760,
1357991280, 1357629540, 1357287540, 1358158260), class = c("POSIXct",
"POSIXt"), tzone = "UTC"), DF.Irradiance = c(1055.64, 0, 975.22,
0.25, 953.33, 1017.62), DF.AirMass0 = c(0.0279842300461168, 0.0195227712650674,
0.0194685363977006, 0.0384509898910604, -0.142855127416022, 0.0322758934562728
)), row.names = c(NA, 6L), class = "data.frame")
df_new <- approx(x = df$DF.AirMass0, y = df$DF.Irradiance,
xout = seq(min(df$DF.AirMass0), max(df$DF.AirMass0), 0.0001)) %>%
bind_cols()
# # A tibble: 6 x 4
# Date Irradiance AirMass0 y
# <dttm> <dbl> <dbl> <dbl>
# 1 2013-01-04 10:43:00 1056. 0.0280 1.02
# 2 2013-01-12 20:16:00 0 0.0195 1.02
# 3 2013-01-12 11:48:00 975. 0.0195 1.02
# 4 2013-01-08 07:19:00 0.25 0.0385 1.02
# 5 2013-01-04 08:19:00 953. -0.143 1.02
# 6 2013-01-14 10:11:00 1018. 0.0323 1.02
库(tidyverse)
df不是最优雅的解决方案,但它使用了dplyr
和magrittr
。首先,我定义您的数据帧
# Data frame called df
# Date Irradiance AirMass0
# 1 2013-01-04 10:43:00 1055.64 0.02798423
# 2 2013-01-12 20:16:00 0.00 0.01952277
# 3 2013-01-12 11:48:00 975.22 0.01946854
# 4 2013-01-08 07:19:00 0.25 0.03845099
# 5 2013-01-04 08:19:00 953.33 -0.14285513
# 6 2013-01-14 10:11:00 1017.62 0.03227589
接下来,我加载相关的库
# Load libraries
library(dplyr)
library(magrittr)
这里,我创建一个函数,该函数取一个气团并给定x
值(即0.9804),创建一个参考数据帧(即x
等于0.5、0.75和1以及相应的y
值),然后创建一个函数,该函数将基于x
通过线性插值来估计y
# Calculate pressure correction based on air mass and x
pres_cor <- function(m, x){
# Create reference data frame
ref_df <- data.frame(x_ref = c(0.5 , 0.75 , 1),
y_ref = c(1.68219 - 0.03059 * m + 0.000890 * m^2, 1.248274 - 0.011997 * m + 0.000370 * m^2, 1))
# Create function for interpolation
int_fun <- with(ref_df, approxfun(x_ref, y_ref))
# Return value at given x value
int_fun(x)
}
这就产生了以下结果:
library(tidyverse)
df <- structure(list(DF.Date = structure(c(1357296180, 1358021760,
1357991280, 1357629540, 1357287540, 1358158260), class = c("POSIXct",
"POSIXt"), tzone = "UTC"), DF.Irradiance = c(1055.64, 0, 975.22,
0.25, 953.33, 1017.62), DF.AirMass0 = c(0.0279842300461168, 0.0195227712650674,
0.0194685363977006, 0.0384509898910604, -0.142855127416022, 0.0322758934562728
)), row.names = c(NA, 6L), class = "data.frame")
df_new <- approx(x = df$DF.AirMass0, y = df$DF.Irradiance,
xout = seq(min(df$DF.AirMass0), max(df$DF.AirMass0), 0.0001)) %>%
bind_cols()
# # A tibble: 6 x 4
# Date Irradiance AirMass0 y
# <dttm> <dbl> <dbl> <dbl>
# 1 2013-01-04 10:43:00 1056. 0.0280 1.02
# 2 2013-01-12 20:16:00 0 0.0195 1.02
# 3 2013-01-12 11:48:00 975. 0.0195 1.02
# 4 2013-01-08 07:19:00 0.25 0.0385 1.02
# 5 2013-01-04 08:19:00 953. -0.143 1.02
# 6 2013-01-14 10:11:00 1018. 0.0323 1.02
您能否提供DFDF
,至少是其中的一部分?您可以尝试dput(head(DF))
。这样我们就可以马上处理一些数据了。谢谢!我已经做到了,这里包含了很多不相关的变量。如果可以,请告诉我。请注意,我很懒,我刚刚选择了相关的VAR:)谢谢您回复我的问候并改进您的问题。太好了。啊,我应该用approxfun。非常感谢您的时间和帮助!:)
# # A tibble: 6 x 4
# Date Irradiance AirMass0 y
# <dttm> <dbl> <dbl> <dbl>
# 1 2013-01-04 10:43:00 1056. 0.0280 1.02
# 2 2013-01-12 20:16:00 0 0.0195 1.02
# 3 2013-01-12 11:48:00 975. 0.0195 1.02
# 4 2013-01-08 07:19:00 0.25 0.0385 1.02
# 5 2013-01-04 08:19:00 953. -0.143 1.02
# 6 2013-01-14 10:11:00 1018. 0.0323 1.02
# df$y
# [1] 1.019438 1.019446 1.019446 1.019429 1.019600 1.019434