假设我有一个数据框“数据”,其中包含测量变量x的时间序列数据:
date x
2009/10/01 00:00 10
2009/10/01 01:00 11
2009/10/01 02:00 12
2009/10/01 03:00 13
2009/10/01 04:00 14
2009/10/01 05:00 15
2009/10/01 06:00 16
2009/10/01 07:00 17
2009/10/01 08:00 18
2009/10/01 09:00 19
2009/10/01 10:00 20
2009/10/01 11:00 21
2009/10/01 12:00 22
2009/10/01 13:00 23
2009/10/01 14:00 24
2009/10/01 15:00 25
2009/10/01 16:00 26
2009/10/01 17:00 27
2009/10/01 18:00 28
2009/10/01 19:00 29
2009/10/01 20:00 30
2009/10/01 21:00 31
2009/10/01 22:00 32
2009/10/01 23:00 33
2009/10/02 00:00 34
...
和另一个数据框“事件”,其中包含由开始和结束日期定义的不同时间段:
id start stop
1 2009/10/01 02:00 2009/10/01 04:00
2 2009/10/01 07:00 2009/10/01 10:00
3 2009/10/01 08:00 2009/10/01 20:00
...
现在我想在不同的事件中得到一个x的平均值表,如下所示:
id mean.x
1 13
2 18.5
3 25.5
在数据库中,我做了一个简单的SQL语句:
SELECT a.id, avg(b.x)
FROM events as a, data as b
WHERE b.date between a.start and a.stop
GROUP BY a.id
我想知道如何在R中进行这样的平均?我可以使用'aggregate',如果我在数据中有一个id列,表明哪个数据点属于wich事件,但我找不到创建此列的方法......
我们非常感谢任何建议。
CIN
编辑:
dput(数据):
structure(list(date = structure(c(1254348000, 1254351600, 1254355200,
1254358800, 1254362400, 1254366000, 1254369600, 1254373200, 1254376800,
1254380400, 1254384000, 1254387600, 1254391200, 1254394800, 1254398400,
1254402000, 1254405600, 1254409200, 1254412800, 1254416400, 1254420000,
1254423600, 1254427200, 1254430800, 1254434400), class = c("POSIXct",
"POSIXt"), tzone = "Europe/Berlin"), x = 10:34), .Names = c("date",
"x"), row.names = c(NA, -25L), class = "data.frame")
dput(事件):
structure(list(id = 1:3, start = structure(c(1254355200, 1254373200,
1254387600), class = c("POSIXct", "POSIXt"), tzone = "Europe/Berlin"),
stop = structure(c(1254362400, 1254384000, 1254420000), class = c("POSIXct",
"POSIXt"), tzone = "Europe/Berlin")), .Names = c("id", "start",
"stop"), row.names = c(NA, -3L), class = "data.frame")
EDIT2:
dput(events2):
structure(list(id = structure(1:3, .Label = c("AGH", "TRG", "ZUH"
), class = "factor"), start = structure(c(1254355200, 1254358800,
1254358800), class = c("POSIXct", "POSIXt"), tzone = "Europe/Berlin"),
stop = structure(c(1254362400, 1254384000, 1254420000), class = c("POSIXct",
"POSIXt"), tzone = "Europe/Berlin")), .Names = c("id", "start",
"stop"), row.names = c(NA, -3L), class = "data.frame")
答案 0 :(得分:4)
试试这个:
library(sqldf)
sqldf("
SELECT a.id, avg(b.x)
FROM events as a, data as b
WHERE b.date between a.start and a.stop
GROUP BY a.id
")
答案 1 :(得分:1)
您可以获取每个日期的事件列表,如下所示:
event.indices = sapply(data$date, function(d) which(d >= events$start & d <= events$stop))
问题是如果它们不属于任何事件,它们中的一些将为null。所以你用NA替换那些你正在路上的那些:
event.indices = sapply(event.indices, function(i) ifelse(is.null(i), NA, i))
在您的数据上,这是:
[1] NA NA 1 1 1 NA NA 2 2 2 2 3 3 3 3 3 3 3 3 3 3 NA NA NA NA
然后,您可以将其添加到原始数据框中,并按照最初的建议使用聚合。
注意:这假设每个日期最多只能保留一个事件。如果事件重叠(即使一个事件恰好在最后一个结束时开始),您将必须决定如何处理属于多个事件的日期并进行适当调整。