时间戳

首页 > 解决方案 > 使用 R 中的线性插值计算 data.frame 每一行的值？

r - 使用 R 中的线性插值计算 data.frame 每一行的值？

问题描述

我想计算capacity对应于它Level的ElevationData data.frame. 我确实有ElevationStorage data.frame标准Elevation和Storage容量曲线数据。如果任何Level值ElevationData等于 的任何Elevation值ElevationStorage，我将使用其对应的Storage值，否则我需要在Level和Elevation数据之间进行插值并使用插值Storage。这是我不完整的代码，因为我没有提供完整的想法

library(tidyverse)
library(lubridate)

ElevationData <- data.frame(Date = seq(as.Date("2010-01-01"), to = as.Date("2010-01-31"), by = "days"),
                         Level = runif(31,364.1,364.7),
                         Outflow = runif(31,1,25))
ElvationStorage <- data.frame(Elevation = c(362.5,363.0,363.5,364.0,364.5,365.0,365.5,366.0),
                              Stroage = c(1000,2500,3500,4500,6000,7500,9000,10000))
ElevationData$Capacity <- if (ElevationData$Level == ElvationStorage$Elevation){
  Capacity = ElvationStorage$Stroage
} else
  # linear interpolation
  Capacity = 
  }

输出：

这是线性插值方程的快照——我猜 r 有一个内置函数用于这个 ( approx())。 在此处输入图像描述

标签： rdataframeif-statementinterpolationlinear-interpolation

解决方案

您可以使用approxfun. 它需要您的两个变量，您可以将其视为绘图上的“x”和“y”坐标，并为您生成一个函数。使用这个新功能，您可以输入任何“x”值来获得插值的“y”值。

在你的情况下，这看起来像这样：

f <- approxfun(ElvationStorage$Elevation, ElvationStorage$Stroage)

f(ElevationData$Level)
#>  [1] 5827.377 5370.168 6041.667 6488.930 6202.926 6227.891 6320.087 5044.925
#>  [9] 5529.675 4840.971 5416.124 6416.492 5165.368 5044.048 5617.599 5963.217
#> [17] 5223.595 6565.421 6121.812 5441.037 5426.820 5107.055 5481.322 5045.519
#> [25] 5371.447 5122.873 6545.012 6377.317 4926.268 4958.893 6304.905

所以你的数据框看起来像这样：

ElevationData$Capacity <- f(ElevationData$Level)
ElevationData
#>          Date    Level   Outflow Capacity
#> 1  2010-01-01 364.4425 23.387535 5827.377
#> 2  2010-01-02 364.2901  9.249423 5370.168
#> 3  2010-01-03 364.5139  8.596993 6041.667
#> 4  2010-01-04 364.6630 16.188796 6488.930
#> 5  2010-01-05 364.5676 11.367437 6202.926
#> 6  2010-01-06 364.5760 21.487579 6227.891
#> 7  2010-01-07 364.6067  9.117475 6320.087
#> 8  2010-01-08 364.1816  1.534004 5044.925
#> 9  2010-01-09 364.3432 13.664697 5529.675
#> 10 2010-01-10 364.1137 10.116649 4840.971
#> 11 2010-01-11 364.3054  3.352967 5416.124
#> 12 2010-01-12 364.6388 18.502859 6416.492
#> 13 2010-01-13 364.2218 21.086555 5165.368
#> 14 2010-01-14 364.1813 11.706143 5044.048
#> 15 2010-01-15 364.3725 12.581834 5617.599
#> 16 2010-01-16 364.4877  9.467945 5963.217
#> 17 2010-01-17 364.2412 22.229399 5223.595
#> 18 2010-01-18 364.6885  5.427644 6565.421
#> 19 2010-01-19 364.5406  3.447776 6121.812
#> 20 2010-01-20 364.3137 19.334715 5441.037
#> 21 2010-01-21 364.3089  3.248852 5426.820
#> 22 2010-01-22 364.2024 11.173089 5107.055
#> 23 2010-01-23 364.3271 12.973787 5481.322
#> 24 2010-01-24 364.1818  5.006526 5045.519
#> 25 2010-01-25 364.2905  9.306031 5371.447
#> 26 2010-01-26 364.2076 14.297282 5122.873
#> 27 2010-01-27 364.6817 20.449419 6545.012
#> 28 2010-01-28 364.6258  7.465519 6377.317
#> 29 2010-01-29 364.1421  2.480287 4926.268
#> 30 2010-01-30 364.1530 11.092029 4958.893
#> 31 2010-01-31 364.6016 19.747621 6304.905

推荐阅读