如何在R中计算水果采收时序单统计值以对比不同栽培品种采收特征
R语言采收时序分布统计量计算实操
第一步:原始数据清洗
你当前提供的原始数据存在文本与数值混合的问题(比如week列的"week 10"、yield列的"600 grams"),必须先把冗余文字剥离、转换为纯数值格式,才能开展统计计算。
直接运行以下基础R代码即可完成清洗,无需安装额外扩展包:
# 读取本地csv格式的原始数据 raw_data <- read.csv("你的采收数据文件.csv", stringsAsFactors = FALSE, check.names = FALSE) # 清洗周次列:移除"week "文本,转换为数值类型 raw_data$week <- as.numeric(gsub("week ", "", raw_data$week)) # 清洗产量列:移除" grams"文本,转换为数值类型 raw_data$yield <- as.numeric(gsub(" grams", "", raw_data$yield)) # 清洗品种列:移除字段前后多余空格 raw_data$cultivar <- trimws(raw_data$cultivar)
注意:计算分布特征时,
yield是作为周次的权重存在的——因为你要的是按产量加权的采收时间分布,不是把每个出现的周次当等权样本计算,否则会忽略不同周的产量高低对分布形态的实际影响。
第二步:通用统计量计算函数准备
你意向计算的四分位数、IQR、偏度、峰度,都需要适配加权场景,直接复制以下定义好的函数到R环境运行即可使用:
1. 加权分位数计算函数
用来计算Q1(25%分位)、中位数(50%分位)、Q3(75%分位):
weighted_quantile <- function(x, w, probs = c(0.25, 0.5, 0.75)) { # 按周次从小到大排序样本 ord <- order(x) x_sorted <- x[ord] w_sorted <- w[ord] # 计算累计产量权重占比 w_cum <- cumsum(w_sorted) / sum(w_sorted) # 线性插值得到对应分位数的周次值 res <- sapply(probs, function(p) { approx(x = w_cum, y = x_sorted, xout = p, rule = 2)$y }) names(res) <- paste0(probs * 100, "%分位") return(res) }
2. 加权偏度、加权峰度计算函数
# 加权偏度:衡量采收分布的不对称方向与程度 weighted_skewness <- function(x, w) { w_mean <- sum(w * x) / sum(w) # 加权平均采收周 w_sd <- sqrt(sum(w * (x - w_mean)^2) / sum(w)) # 加权标准差 sum(w * (x - w_mean)^3) / (sum(w) * w_sd^3) } # 加权峰度:衡量采收分布的集中/分散程度,以正态分布峰度为0作为参照 weighted_kurtosis <- function(x, w) { w_mean <- sum(w * x) / sum(w) w_sd <- sqrt(sum(w * (x - w_mean)^2) / sum(w)) sum(w * (x - w_mean)^4) / (sum(w) * w_sd^4) - 3 }
第三步:按品种批量计算所有目标指标
如果需要对比不同品种的采收特征,直接运行以下代码,就可以自动按品种分组输出所有统计结果;如果需要分年度对比,只需要把分组参数从仅按cultivar分组,改成同时按cultivar和year分组即可:
# 设置分组规则:当前按品种分组,需要分年度对比可改为 group_vars <- list(cultivar = raw_data$cultivar, year = raw_data$year) group_vars <- list(cultivar = raw_data$cultivar) # 批量计算并整合结果 final_result <- do.call(rbind, by(raw_data, group_vars, function(df) { week_vec <- df$week yield_vec <- df$yield # 计算分位数 q_vals <- weighted_quantile(week_vec, yield_vec) q1 <- q_vals["25%分位"] med_week <- q_vals["50%分位"] q3 <- q_vals["75%分位"] iqr_val <- q3 - q1 # 计算偏度、峰度 sk_val <- weighted_skewness(week_vec, yield_vec) ku_val <- weighted_kurtosis(week_vec, yield_vec) data.frame( cultivar = unique(df$cultivar), 第一四分位周 = q1, 中位采收周 = med_week, 第三四分位周 = q3, 四分位距IQR = iqr_val, 偏度 = sk_val, 峰度 = ku_val ) }))
结果解读参考
- IQR值越大,代表品种核心采收期的周度跨度越长,采收持续时间越久
- 偏度大于0代表采收产量重心偏向晚周,小于0代表产量重心偏向早周
- 峰度大于0代表采收期高度集中在峰值周附近,小于0代表采收期分散、前后拉的时间更长
内容的提问来源于stack exchange,提问作者OliC
相关产品推荐
相关产品推荐

