用一天中那个小时的年平均值替换小时缺失值

Question

我有一个从 1996 年到 2010 年的每小时数据集，格式如下：

             date         value  
1- - -1996-01-01 00:00:00- - -  NA  
2- - -1996-01-01 01:00:00- - -  38  
3 - - -1996-01-01 02:00:00- - - 44  
4- - -1996-01-01 03:00:00- - -  48  
5- - -1996-01-01 04:00:00- - -  42  
6- - -1996-01-01 05:00:00- - -  44  
7- - - 1996-01-01 06:00:00- - - 38  
8- - - 1996-01-01 07:00:00- - - 42  
9- - -1996-01-01 08:00:00- - -  44  
10- - -1996-01-01 09:00:00- - - 44  

我有很多缺失的小时数数据，我试图通过取前一小时和下一小时的平均值来计算缺失的小时值，如果缺失了很多小时，我试图通过每天取该小时的平均值来计算那一年，只是想知道这是否可能？

我尝试了以下方法，但这给了我整个数据集的平均值：

a = c(NA, 1, 2, 3, 10)   
a[which(is.na(a)==TRUE)] = mean(a,na.rm = T)

我非常感谢有关如何进行此计算的任何建议。

Answer 1

na.aggregate in zoo 就是这样做的。填写缺失值只需一行代码：

# read in the data

Lines <- "1996-01-01 00:00:00 NA  
1996-01-01 01:00:00 38  
1996-01-01 02:00:00 43
1997-01-01 00:00:00 44  
1997-01-01 01:00:00 45"

library(zoo)
library(chron)
z <- read.zoo(text = Lines, index = 1:2, FUN = paste, FUN2 = as.chron)

# fill in the missing values

na.aggregate(z, hours, FUN = mean)

Answer 2

您可能可以使用 zoo 包中的一些方便的功能来做到这一点。例如，na.approx 和 maxgap = 1 应该线性插值长度为 1 的所有间隙。然后你可能想使用na.aggregate，按年和小时划分，用那个时期的平均值来填补更长的空白。

下面是一个简单的例子，让您了解这些函数的工作原理：

set.seed(124)
tt <- as.POSIXct("2000-01-01 10:00:00") + 3600*c(1:100,10000:10100)
dd <- runif(201)

aa <- data.frame(x1 = tt,x2 = dd)
aa$x2[sample(201,30)] <- NA
aa$x3 <- na.approx(aa$x2,maxgap = 1)
aa$x4 <- na.aggregate(aa$x3,by = format(aa$x1,"%Y-%H"))

请注意，如果您的系列有前导或尾随 NAs，您可能会遇到错误，因为在这种情况下“线性插值”部分没有多大意义。因此，您必须以其他方式填写这些内容。