我正在尝试从NCDef（.nc）格式的多个文件中提取数据。我编写的代码可以运行，但是很慢，我希望您提出任何建议！
我的工作代码temp使用RNetCDF提取了一个名为的文件，并将其转换为“长列表”，其中每个变量都具有一维或三维（纬度，经度和磅数）。然后，我一次从每个变量中提取数据（varlist[j]），并将其转换为数据帧。然后，Adply通过三个维度分别对此进行分解。最后一步创建files，使我可以使用cbind和rbind将所有文件放到一个大数据框中。
代码如下：
setwd("C:/Users/User/Box Sync/_PhD/PhD_Research/Albedo/Data_CLM/PFTRuns/2005/")
fname<-"b40.20th.1deg.bdrd.002bc.clm2.h0.2005-"
numlist<-c('01','02','03','04','05','06','07','08','09','10','11','12')
varlist<-c(1,2,4,8,9,21)
varname<-c("lon","lat","pft","pft_wtgcell","pft_wtcol","FSR")
files<-matrix(data=NA, nrow=12, ncol=length(varlist))
`for (i in 12:12) {
temp<- paste(c(fname, numlist[i],'.nc'), collapse='')
temp<-read.nc(open.nc(temp))
temp<-structure(temp, row.names = c(NA, -288), class = "data.frame")
for (j in 3:length(varlist)) {
newname<-paste(c("Y2005", numlist[i],".", varname[j]), collapse='')
if (j<4){
assign(newname, adply(temp[,varlist[j]], c(1)))}
else{
assign(newname, adply(temp[,varlist[j]], c(1,2,3)))}
files[i,j]<-newname}}`
编辑这是read.nc（open.nc（））输出的示例。示例输出
看着你的问题。您有一系列3d数组，您希望将它们展平为1d数组并与坐标矢量（lon，lat和put）对齐。
尽管软件包plyr具有许多非常有用的功能，但它们趋向于变慢。和上面的情况一样。
这是我为测试而创建的样本数据：
#create some test data
set.seed(1)
lon<-1:300
lat<-1:200
pft<-1:15
tot<-length(lon)*length(lat)*length(pft)
pft_wtgcell<- array(rnorm(tot, 10), dim=c(length(lon),length(lat),length(pft)))
pft_wtcol<- array(rnorm(tot, 60, 2), dim=c(length(lon),length(lat),length(pft)))
FSR<- array(rnorm(tot, 100, 3), dim=c(length(lon),length(lat),length(pft)))
temp<-list(lon=lon, lat=lat, pft=pft, pft_wtgcell=pft_wtgcell, pft_wtcol=pft_wtcol, FSR=FSR)
这是我的解决方案：
numlist<-c('01','02','03','04','05','06','07','08','09','10','11','12')
#varlist<-c(1,2,4,8,9,21)
varname<-c("lon","lat","pft","pft_wtgcell","pft_wtcol","FSR")
files<-matrix(data=NA, nrow=12, ncol=length(varname))
#loop to cycle through the file starts here:
i<-1
#crate data.frame for lon, lat and pft
newname<-paste(c("Y2005", numlist[i],".", varname[1]), collapse='')
coord<-expand.grid(temp$lon, temp$lat, temp$pft)
assign(newname, coord)
files[i,1]<-newname
#loop through the variables of interest
# could probly be simplified.
for (j in 4:length(varname)) {
newname<-paste(c("Y2005", numlist[i],".", varname[j]), collapse='')
assign(newname, as.data.frame.table(temp[[varname[j] ]])$Freq)
files[i,j]<-newname
}
我避免了将样本数据转换为数据框并决定直接在列表上工作。该expand.grid函数快速创建一个数据框，其中包含lon，lat和pft的所有可能组合。在寻找有关如何扁平化3d数组的提示时，我找到了as.data.frame.table在这种情况下可以正常工作的函数的引用，而且我只是存储了数据的最后（扁平化）列。由于只有所需的数据存储在data.frame中，因此rbind的执行速度也应更快。
我没有进行大量的错误检查，但是在笔记本电脑上，上述测试用例的速度提高了500倍。
如果这对您有用，请接受答案，否则，我可以进行更多调整。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句