在r中通过线性插值查找值

Question

我拥有大量数据，需要在标准高度下查找几个变量的值。 我想在Height=c(0,100,200,250,400,500)处线性内插其他变量的值，并将它们作为新列添加到现有数据中。 这是我试图为一个变量获取值的标准标准Height=c(0,100,200,250,400,500) 。 这只是一个变量：

data2<-approx(data2$Height,data2$ozone,xout=c(0,100,200,250,400,500))

预期的结果应该是一个包含18行4列的数据帧。

这是样本数据(data2) ：

  ozone     Height      Temp        Wind
23.224833   0.000000    253.005798  3.631531
23.750044   35.218689   253.299332  5.178889
24.589071   70.661133   253.538574  6.892455
25.619747   106.267334  253.492661  8.050934
26.443541   142.014648  253.279053  8.648781
27.235945   213.897034  252.815262  9.263882
27.698713   286.280518  252.10556   9.269853
27.865248   359.172363  251.390045  9.3006
28.361752   432.788086  251.379913  8.90488
30.279163   507.276733  251.849655  7.817647
23.048151   0.000000    251.528275  4.174027
23.477306   34.998413   251.6698    5.630364
24.16725    70.187622   251.759369  7.237537
25.239206   105.544006  251.744934  8.859097
26.319073   141.05011   251.601654  9.928196
27.409718   212.47052   251.214279  10.75243
27.825275   284.45282   250.738007  10.812123
28.214966   357.184631  250.87706   9.980968
29.726873   430.919983  251.84964   9.139032
32.482925   505.574097  252.471924  8.063484
22.369734   0.000000    250.876144  3.82036
22.916582   34.908447   251.044205  5.281044
23.732521   70.014038   251.170456  6.970277
24.998178   105.296021  251.221603  8.801399
26.30809    140.736084  251.133591  10.039667
27.572966   212.052795  250.852631  11.118568
28.233795   283.998474  250.61908   10.677624
29.079391   356.812012  251.179962  9.466641
31.244007   430.597534  252.042175  9.016301
33.636559   505.305542  252.659393  8.103294

预先感谢您的帮助。

UPDATE

这是所需的答案：

 Height    ozone     Temp      Wind
       0 23.22483 253.0058  3.631531
     100 25.43833 253.5007  7.847021
     200 27.08275 252.9049  9.144964
     300 27.73006 251.9709  9.275640
     400 28.14061 251.3844  9.081132
     500 30.09185 251.8038  7.923858
       0 23.04815 251.5283  4.174027
     100 25.07112 251.7472  8.604831
     200 27.21928 251.2819 10.608513
     300 27.90858 250.7677 10.634455
     400 29.09287 251.4418  9.492087
     500 32.27714 252.4255  8.143790
     0   22.36973 250.8761  3.820360
     100 24.80820 251.2139  8.526537
     200 27.35920 250.9001 10.936230
     300 28.41962 250.7423 10.411498
     400 30.34638 251.6846  9.203049
     500 33.46665 252.6156  8.168133

Answer 1

您只需使用lapply遍历各列。 另外，您不能将内插值附加到data2 。 data2有30行，而xout长度为6。您需要另一个数据帧来保存插值结果。

cbind.data.frame(data.frame(Height = 0:5 * 100),
                 lapply(data2[-2], function (u) approx(data2[[2]], u, 0:5 * 100)$y))

#  Height    ozone     Temp      Wind
#1      0 22.88091 251.8034  3.875306
#2    100 24.93562 251.5759  8.509502
#3    200 27.37860 251.2702 10.693545
#4    300 27.96728 251.9255  9.308131
#5    400 29.79659 251.7628  9.138091
#6    500 33.25064 252.5658  8.161940

---

跟进

原始数据是模型输出的3天，我想将其保持在一些标准高度以便与其他数据进行比较。 因此，每个数据帧代表一天的数据。 因此，我将它们合并到一个大数据框架data2 ，高度与其他变量每天相同。

好了，您的data2具有时间属性，每10行对应一天的数据。 好吧，您不应该逐行堆叠不同日期的数据。 如果这样做，则应添加新列，例如day以突出显示这种块/组结构。

因此，您真正需要的是每个数据的独立线性插值。 我最初的答案是使用三天的数据进行统一插值。 由于您已将Height值绑定在一起，因此实际上是在3天内插入ozone ， Temp和Wind的平均值。 以下代码可以为您带来期望。

## change my previous code to a function
result_per_day <- function (dat) {
  cbind.data.frame(data.frame(Height = 0:5 * 100),
                   lapply(dat[-2], function (u) approx(dat[[2]], u, 0:5 * 100)$y))
  }

datalst <- split(data2, gl(3, 10, labels = 1:3))
do.call(rbind.data.frame, lapply(datalst, result_per_day))

#    Height    ozone     Temp      Wind
#1.1      0 23.22483 253.0058  3.631531
#1.2    100 25.43833 253.5007  7.847021
#1.3    200 27.08275 252.9049  9.144964
#1.4    300 27.73006 251.9709  9.275640
#1.5    400 28.14061 251.3844  9.081132
#1.6    500 30.09185 251.8038  7.923858
#2.1      0 23.04815 251.5283  4.174027
#2.2    100 25.07112 251.7472  8.604831
#2.3    200 27.21928 251.2819 10.608513
#2.4    300 27.90858 250.7677 10.634455
#2.5    400 29.09287 251.4418  9.492087
#2.6    500 32.27714 252.4255  8.143790
#3.1      0 22.36973 250.8761  3.820360
#3.2    100 24.80820 251.2139  8.526537
#3.3    200 27.35920 250.9001 10.936230
#3.4    300 28.41962 250.7423 10.411498
#3.5    400 30.34638 251.6846  9.203049
#3.6    500 33.46665 252.6156  8.168133

该最终数据帧的行名非常具有解释性。 "1.1"至"1.6"表示第1天，而"2.1"至"2.6"表示第2天，依此类推。