Question

我无法绕过某些时间序列数据创建一系列间隔。

如果我的数据框（df）包含日期，浓度以及浓度是否超过5的阈值：

df <- structure(list(DATE = structure(c(1356183950, 1356184851, 1356185750, 
1356186650, 1356187551, 1356188450, 1356189350, 1356190250, 1356191150, 
1356192050, 1356192950, 1356193851, 1356194750, 1356195650, 1356196550, 
1356197450), class = c("POSIXct", "POSIXt"), tzone = "UTC"), 
    CONC = c(3.8, 3.8, 3.7, 4.3, 5, 6, 7.2, 7, 6, 5, 4.3, 
    3.7, 3.4, 3.3, 3.1, 3), EXCEED = c(0, 0, 0, 0, 1, 1, 1, 1, 
    1, 1, 0, 0, 0, 0, 0, 0)), .Names = c("DATE", "TURBIDITY", 
"EXCEED"), row.names = 1070:1085, class = "data.frame")

我想根据低于或高于阈值的连续测量值创建每个时间段的间隔，并返回汇总统计信息，例如：

   START                END                 MAXCONC
1  2012-12-22 13:45:50  2012-12-22 14:30:50 4.3
2  2012-12-22 14:45:51  2012-12-22 16:00:50 7.2 
3  2012-12-22 16:15:50  2012-12-22 17:30:50 4.3

我无法弄清楚如何使用lubridate创建不同的间隔。我应该使用另一个套餐吗？想法？

Answer 1

这是一个快速data.table解决方案。我已使用development version on GitHub中的rleid函数，但您可以使用基本R rle函数

library(data.table) # v>=1.9.5
setDT(df)[, .(
              START = min(DATE),   
              END = max(DATE),
              MAXCONC = max(TURBIDITY)
              ),
          by = rleid(EXCEED)]

##    rleid               START                 END MAXCONC
## 1:     1 2012-12-22 13:45:50 2012-12-22 14:30:50     4.3
## 2:     2 2012-12-22 14:45:51 2012-12-22 16:00:50     7.2
## 3:     3 2012-12-22 16:15:50 2012-12-22 17:30:50     4.3

Answer 2

我只是添加了我确定的实现（即，使用data.table::rleid和dplyr替代解决方案。

    library(data.table) # v >= 1.9.5
    library(dplyr)

    df %>%
      group_by(RUN = data.table::rleid(EXCEED)) %>%
      summarize(START = min(DATE),
                END = max(DATE),
                MAX = max(TURBIDITY)) %>%
      mutate(DURATION_HRS = as.numeric((END - START)/60))

#  RUN               START                 END MAX DURATION_HRS
#   1 2012-12-22 13:45:50 2012-12-22 14:30:50 4.3      0.75000
#   2 2012-12-22 14:45:51 2012-12-22 16:00:50 7.2      1.24972
#   3 2012-12-22 16:15:50 2012-12-22 17:30:50 4.3      1.25000

R和lubridate：使用条件在时间序列中创建间隔

2 个答案: