阅读3维数据集成R

Question

的Gnuplot允许三维数据集，它们是一组由空行分隔的表，例如：

54.32,16.17,7.42,4.28,3.09,2.11,1.66,1.22,0.99,0.82,7.9 

54.63,15.50,8.53,5.31,3.75,1.66,1.14,0.83,0.94,0.52,7.18 
56.49,16.67,6.38,3.69,2.80,1.45,1.12,0.89,1.12,0.89,8.50 
56.35,16.26,7.76,3.57,2.62,1.89,1.05,1.15,0.63,1.05,7.66 

53.79,16.19,6.47,4.57,3.47,1.74,1.95,1.37,1.00,0.74,8.73 
55.63,16.28,7.87,3.72,2.48,1.99,1.40,1.19,0.70,1.08,7.65 
54.09,15.76,7.96,4.70,2.77,2.21,1.27,1.27,0.66,1.11,8.19 
53.79,16.19,6.47,4.57,3.47,1.74,1.95,1.37,1.00,0.74,8.73 

... 

这例如显示一个数据集演变通，为实例，时间。在Gnuplot中，您可以选择要用于给定绘图的数据集（使用它的索引和关键字，huh，index IIRC）。

我一直在使用R，到目前为止，我一直使用scan/table函数一次一个地手动输入数据集。我没有一个包含所有数据集的大文件，而是每个数据集都有一个文件，我一次创建一个表。

是否有一个（内置，或非常简单）的方式来读取数据集中汇总全部一次，以这样的方式，我将不得不

dataset <- neatInput("my-aggregate-data") 
dataset[1] # first data set 
dataset[2] # second data set 
... 

或类似的东西？

Answer 1

我设法代码整合成两行，FWIW :)

check <- read.csv("data.csv", blank.lines.skip = F, head = F) 

split(check, (cumsum(is.na(check[,1]))+1) * !is.na(check[,1])) 
## $`0` 
## V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11 
## 2 NA NA NA NA NA NA NA NA NA NA NA 
## 6 NA NA NA NA NA NA NA NA NA NA NA 

## $`1` 
##  V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11 
## 1 54.32 16.17 7.42 4.28 3.09 2.11 1.66 1.22 0.99 0.82 7.9 

## $`2` 
##  V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11 
## 3 54.63 15.50 8.53 5.31 3.75 1.66 1.14 0.83 0.94 0.52 7.18 
## 4 56.49 16.67 6.38 3.69 2.80 1.45 1.12 0.89 1.12 0.89 8.50 
## 5 56.35 16.26 7.76 3.57 2.62 1.89 1.05 1.15 0.63 1.05 7.66 

## $`3` 
##  V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11 
## 7 53.79 16.19 6.47 4.57 3.47 1.74 1.95 1.37 1.00 0.74 8.73 
## 8 55.63 16.28 7.87 3.72 2.48 1.99 1.40 1.19 0.70 1.08 7.65 
## 9 54.09 15.76 7.96 4.70 2.77 2.21 1.27 1.27 0.66 1.11 8.19 
## 10 53.79 16.19 6.47 4.57 3.47 1.74 1.95 1.37 1.00 0.74 8.73 

Answer 2

如果你的第三个维度是时间，那么通常最好有专门的时间/日期的对象打交道。 R中最常用的通用时间序列软件包包含自定义函数来执行您想要的操作。例如，要在几个月到几年内汇总一些数据：

> data(AirPassengers); AP = AirPassengers 
> # import the package xts, which will 'auto-import' its sole dependency, 
> # the package 'zoo' 
> library(xts)  

# AP is an R time series whose data points are in months 
> class(AP) 
[1] "ts" 
> start(AP) 
[1] 1949 1 
> end(AP) 
[1] 1960 12 
> frequency(AP) 
[1] 12 
> AP[1:3] 
[1] 112 118 132 

> # step 1: convert ts object to an xts object 
> X = as.xts(AP) 
> class(X) 
[1] "xts" "zoo" 
> # step 2: create index of endpoints to pass to the aggregator function 
> np = endpoints(X, on="years") 
> # step 3: call the aggregator function 
> X2 = period.apply(X, INDEX=np, FUN=sum) 
> X2[1:3] 
     [,1] 
Dec 1949 1520 
Dec 1950 1676 
Dec 1951 2042 
> # 'X2' is in years (each value is about 12X higher than the first three values for 
> # AP above