如何在R中累积data.frame的多列？

Question

我试图在myData找到每年变量A to Z累积值。 我尝试了几件事，但没有成功。 一旦我这样做了，我就需要计算所有这些年的maximum,minimum, median, upper and lower quartile平均值。 到目前为止，这是我费力的代码，但不知道如何进一步进行 - 事实上，当前的代码也没有给我我想要的东西。

library(tidyverse)

mydate <- as.data.frame(seq(as.Date("2000-01-01"), to= as.Date("2019-12-31"), by="day"))
colnames(mydate) <- "Date"
Data <- data.frame(A = runif(7305,0,10), 
                   J = runif(7305,0,8), 
                   X = runif(7305,0,12), 
                   Z = runif(7305,0,10))
DF <- data.frame(mydate, Data)

myData <- DF %>% separate(Date, into = c("Year","Month","Day")) %>% 
   sapply(as.numeric) %>% 
   as.data.frame() %>% 
   mutate(Date = DF$Date) %>% 
   filter(Month > 4 & Month < 11) %>% 
   mutate(DOY = format(Date, "%j")) %>% 
   group_by(Year) %>% 
   mutate(cumulativeSum = accumulate(DOY))

我正在尝试为A, J, X, Z获得如下图所示。 任何帮助，将不胜感激。

更新（编辑）

我的问题非常令人困惑，所以我决定使用 excel 将其分解为多个步骤。 在这里，我只使用了一个变量，在这种情况下是A （注意：在我的问题中，我有多个变量）。 我是每年 5 月到 10 月的累计数据，反映在列cumulative sum 。 在第二步(Step-2) ，我用他们的数据重新排列一年中（五月到十月）的数据。 在step-3 ，我将在一年中的每一天获取我之前提到的所有年份的统计数据。 我试图尽可能多地澄清，但这可能是一个有点奇怪的问题。

终极图这是我想通过此练习得出的示例图。

Answer 1

因此，如果我理解得很好，您正在尝试绘制 2000 年至 2019 年 5 月至 10 月之间每个变量的累积值的统计描述。

所以这里有一个可能的解决方案来计算每个变量的第一个描述性统计数据（使用dplyr 、 lubridate 、 tiydr包）——我鼓励你把这段代码tiydr几个部分来理解所有的步骤。

基本上，我隔离日期的月份和年份，然后将数据框转换为更长的格式，过滤以仅保留感兴趣的时间段（5 月至 10 月）中的值，计算按变量和年份分组的值的累积总和。 然后，我创建了一个假日期（通过将一致的年份与真实的月份和日期粘贴在一起）以计算此日期和变量函数的描述性统计数据。

总而言之，它给出了这样的东西：

library(lubridate)
library(dplyr)
library(tidyr)

mydata <- DF %>% mutate(Year = year(Date), Month = month(Date)) %>%
  pivot_longer(-c(Date,Year,Month), names_to = "variable", values_to = "values") %>% 
  filter(between(Month,5,10)) %>% 
  group_by(Year, variable) %>% 
  mutate(Cumulative = cumsum(values)) %>%
  mutate(NewDate = ymd(paste("2020", Month,day(Date), sep = "-"))) %>%
  ungroup() %>%
  group_by(variable, NewDate) %>%
  summarise(Median = median(Cumulative),
            Maximum = max(Cumulative),
            Minimum = min(Cumulative),
            Upper = quantile(Cumulative,0.75),
            Lower = quantile(Cumulative, 0.25))

然后，您可以通过执行以下操作获得与示例类似的图：

library(ggplot2)
ggplot(mydata, aes(x = NewDate))+
  geom_ribbon(aes(ymin = Lower, ymax = Upper), color = "grey", alpha =0.5)+
  geom_line(aes(y = Median), color = "darkblue")+
  geom_line(aes(y = Maximum), color = "red", linetype = "dashed", size = 1.5)+
  geom_line(aes(y = Minimum), color ="red", linetype = "dashed", size = 1.5)+
  facet_wrap(~variable, scales = "free")+
  scale_x_date(date_labels = "%b", date_breaks = "month", name = "Month")+
  ylab("Daily Cumulative Precipitation (mm)")

它看起来像你想要达到的目标吗？

---

编辑：添加图例

这里添加一个传说是不容易，因为你正在使用不同geom （织带，线）有不同的颜色，形状，...

因此，一种方法是重新组合可以使用相同geom绘制的统计数据并执行以下操作：

mydata %>% pivot_longer(cols = c(Median, Minimum,Maximum), names_to = "Statistic",values_to = "Value") %>%
  ggplot(aes(x = NewDate))+
  geom_ribbon(aes(ymin = Lower, ymax = Upper, fill = "Upper / Lower"), alpha =0.5)+
  geom_line(aes(y = Value, color = Statistic, linetype = Statistic, size = Statistic))+
  facet_wrap(~variable, scales = "free")+
  scale_x_date(date_labels = "%b", date_breaks = "month", name = "Month")+
  ylab("Daily Cumulative Precipitation (mm)")+
  scale_size_manual(values = c(1.5,1,1.5))+
  scale_linetype_manual(values = c("dashed","solid","dashed"))+
  scale_color_manual(values = c("red","darkblue","red"))+
  scale_fill_manual(values = "grey", name = "")

所以，它看起来不错，但正如你所看到的，它有点奇怪，因为上/下稍微超出了主要传说。

另一种解决方案是添加图例作为最后日期的标签。 为此，您可以通过仅子集第一个数据帧的最后日期来创建第二个数据帧：

mydata_label <- mydata %>% filter(NewDate == max(NewDate)) %>% 
  pivot_longer(cols = Median:Lower, names_to = "Stat",values_to = "val")

然后，在不改变绘图部分的情况下，您可以执行以下操作：

ggplot(mydata, aes(x = NewDate))+
  geom_ribbon(aes(ymin = Lower, ymax = Upper), alpha =0.5)+
  geom_line(aes(y = Median), color = "darkblue")+
  geom_line(aes(y = Maximum), color = "red", linetype = "dashed", size = 1.5)+
  geom_line(aes(y = Minimum), color ="red", linetype = "dashed", size = 1.5)+
  facet_wrap(~variable, scales = "free")+
  scale_x_date(date_labels = "%b", date_breaks = "month", name = "Month", limits = c(min(mydata$NewDate),max(mydata$NewDate)+25))+
  ylab("Daily Cumulative Precipitation (mm)")+
  geom_text(data = mydata_label, 
            aes(x = NewDate+5, y = val, label = Stat, color = Stat), size = 2, hjust = 0, show.legend = FALSE)+
  scale_color_manual(values = c("Median" = "darkblue","Maximum" = "red","Minimum" = "red","Upper" = "black", "Lower" = "black"))

由于空间问题，我特意缩小了文本标签的大小，以便您可以看到所有这些。 但是根据您附加到您的问题的数字，您应该有足够的空间使其工作。