R语言 zyp包 zyp.trend.csv()函数中文帮助文档(中英文对照)

loveR

zyp.trend.csv(zyp)
zyp.trend.csv()所属R语言包：zyp

                                        zyp.trend.csv
                                         zyp.trend.csv

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Computes prewhitened nonlinear trends on CSV files or data frames with 0 to n columns of metadata, with 1 row per location and each column containing data for a particular time (day, month, year). The zyp package allows you to use either Zhang's method, or the Yue Pilon method of computing nonlinear prewhitened trends.
计算prewhitened CSV文件或数据框，0到n列的元数据的非线性趋势，每个位置有1行和每一列包含一个特定的时间（日，月，年）的数据。的的ZYP包允许您使用张的方法，或越皮隆的计算非线性prewhitened趋势的方法。


用法----------Usage----------


zyp.trend.dataframe(indat, metadata.cols, method=c("yuepilon", "zhang"), conf.intervals=TRUE)
zyp.trend.csv(filename, output.filename, metadata.cols, method=c("yuepilon", "zhang"), conf.intervals=TRUE, csv.header=TRUE)



参数----------Arguments----------

参数：indat
the input data frame.
的输入数据框。


参数：filename
the filename of the input CSV file.
输入CSV文件的文件名。


参数：output.filename
the filename to write output to.
将输出写入的文件名。


参数：metadata.cols
the number of columns of metadata.
的元数据的列的数目。


参数：method
the prewhitened trend method to use.
prewhitened趋势的方法来使用。


参数：conf.intervals
whether to compute confidence intervals using a Wilcoxon test (slow).
是否使用Wilcoxon检验（慢）计算置信区间。


参数：csv.header
whether the input CSV file has a header.
输入CSV文件中是否有一个头。


Details

详细信息----------Details----------

These routines compute prewhitened nonlinear trends on either CSV files with or without a header or data frames with 0 to n columns of metadata (which is preserved in the output). Each row is expected to contain metadata followed by a timeseries, and all rows are expected to have the same length of timeseries. NA values are handled correctly, so if you have several timeseries of unequal length you can pad them with NA values to provide valid input.
这些例程计算prewhitened的非线性任CSV文件具有或不具有报头或数据框0到n列的元数据（这是在输出中保留）的趋势。每一行被预期包含随后由一个时间序列中的元数据，并且所有的行都被预期具有相同的长度的时间序列。 NA值的正确处理，所以如果你有几个时间序列的长度不等，可以垫提供有效的输入与NA值。

The prewhitened trend computation methods used are either Zhang's method (described in Wang and Swail, 2001) or Yue and Pilon's method (described in Yue and Pilon, 2002).
prewhitened趋势计算方法是张的方法（王和斯威尔，2001年）中描述的或曰皮隆的方法（乐和皮隆，2002年）。


值----------Value----------

A data frame containing the trends, in the case of zyp.trend.dataframe. Columns of the output are as follows. <table summary="R valueblock"> <tr valign="top"><td>lbound</td> <td> the lower bound of the trend's confidence interval.</td></tr> <tr valign="top"><td>trend</td> <td> the Sen's slope (trend) per unit time.</td></tr> <tr valign="top"><td>trendp</td> <td> the Sen's slope (trend) over the time period.</td></tr> <tr valign="top"><td>ubound</td> <td> the upper bound of the trend's confidence interval.</td></tr> <tr valign="top"><td>tau</td> <td> Kendall's tau statistic computed on the final detrended timeseries.</td></tr> <tr valign="top"><td>sig</td> <td> Kendall's P-value computed for the final detrended timeseries.</td></tr> <tr valign="top"><td>nruns</td> <td> the number of runs required to converge upon a trend.</td></tr> <tr valign="top"><td>autocor</td> <td> the autocorrelation of the final detrended timeseries.</td></tr> <tr valign="top"><td>valid_frac</td> <td> the fraction of the data which is valid (not NA) once autocorrelation is removed.</td></tr> <tr valign="top"><td>linear</td> <td> the least squares fit trend on the same dat.</td></tr> <tr valign="top"><td>intercept</td> <td> the intercept of the Sen's slope (trend).</td></tr>
一个数据框包含的趋势，的情况下zyp.trend.dataframe。列的输出如下。 <table summary="R valueblock"> <tr valign="top"> <TD> lbound</ TD> <TD>趋势的置信区间的下限。</ TD> </ TR> < TR VALIGN =“顶”> <TD>trend </ TD> <TD>森的斜率（趋势）每单位时间。</ TD> </ TR> <tr valign="top"> <TD >trendp</ TD> <TD>在一段时间内森的斜率（趋势）。</ TD> </ TR> <tr valign="top"> <TD>ubound</ TD> <TD>趋势的置信区间的上限。</ TD> </ TR> <tr valign="top"> <TD>tau </ TD> <TD> Kendall的tau蛋白统计计算最终的去趋势的时间序列。</ TD> </ TR> <tr valign="top"> <TD>sig </ TD> <TD> Kendall的P-值计算为最终消除趋势的时间序列。</ TD > </ TR> <tr valign="top"> <TD> nruns</ TD> <TD>的运行需要收敛的趋势时数。</ TD> </ TR> <TR VALIGN =“”> <TD>autocor </ TD> <TD>最终消除趋势时间序列的自相关性。</ TD> </ TR> <tr valign="top"> <TD><X > </ TD> <TD>部分的数据是有效的（NA）的，一旦自相关被删除。</ TD> </ TR> <tr valign="top"> <TD>valid_frac </ TD> <TD>的最小二乘法拟合趋势在相同的DAT。</ TD> </ TR> <tr valign="top"> <TD> linear</ TD> <TD>拦截森的斜率（趋势）。</ TD> </ TR>

</table>
</ TABLE>


参见----------See Also----------

zyp.trend.vector, zyp-package.
zyp.trend.vector，ZYP包。


实例----------Examples----------


#zyp.trend.csv("in.csv", "out.csv", 2, "yuepilon", F)[zyp.trend.csv（“in.csv”，“out.csv”，2中，“yuepilon”，F）]
#trends &lt;- zyp.trend.dataframe(indat, 2, "yuepilon")[趋势< -  zyp.trend.dataframe（indat，2，“yuepilon”）]

转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。