0

我有两个数据集 A 和 B，我想找到相关性并绘制等高线图。

A 只是一个包含 230 个流数据的简单向量。

B是一系列日期下的复杂海表温度（SST）数据。在每个日期，SST 都有一个由 360 行 *180 列记录的温度组成的矩阵。

向量 A（230 个数据）是：

Houlgrave_flow_1981_2000 = window(Houlgrave_flow_average, start = as.Date("1981-11-15"),end = as.Date("2000-12-15")) 
Houlgrave_SF_1981_2000 = coredata(Houlgrave_flow_1981_2000)

矩阵 B 的维数如下所示，我只使用 1 到 230。

> dim(ssta_sst)
[1] 360 180 362

我寻找相关性的想法如下。

z_correlation = cor(Houlgrave_SF_SST_1981_2000,ssta_sst[c(181:360, 1:180),,i])

试试看，i=1。但是，它不起作用。错误消息说：

"Error in cor(Houlgrave_SF_SST_1981_2000, ssta_sst[c(181:360, 1:180), ,  : 
  incompatible dimensions.".

另外，这是我的等高线图代码，

require(maps)
par(ask=TRUE)
for (i in 1:230) {
    maps::map(database="world", fill=TRUE, col="light blue")
    maps::map.axes()
    contour(x=lon_sst, y=lat_sst, z=cor(Houlgrave_SF_1981_2000,ssta_sst[c(181:360, 1:180),,i]), zlim=c(-3,3), add=TRUE)
    title(paste("Year: ", year_sst[i], ", Month: ", month_sst[i]))
}

我想我只需要在轮廓代码下修改 z 。是否需要将每个A的数据重新定义为360*180的数据矩阵？

4

1 回答 1

1

如果我正确理解了这个问题，你有一个时间序列，即一个向量，其索引可以解释为时间，以及一个 3 维数组，其索引可以解释为时间和位置。

# Sample data
n <- 230
m <- 100
dates <- seq.Date( from=Sys.Date(), length=n, by="day" )
flow <- rnorm(n)
names(flow) <- as.character(dates)
temperatures <- array( rlnorm(n*m*m), dim=c(n,m,m) )
dimnames( temperatures ) <- list(
  time = as.character( dates ),
  longitude = NULL,
  latitude = NULL
)

对于每个位置，您可以使用 计算您的“流量”时间序列和该位置的“温度”时间序列（u在下面的代码中）之间的相关性apply。

correlations <- apply( 
  temperatures, 
  2:3, 
  function (u) cor(u, flow) 
)
image(correlations)
于 2012-01-27T06:36:56.770 回答