R:如何在数据框中定义的不同时间段内平均数据?

时间:2012-06-20 15:32:47

标签: r

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")

2 个答案:

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。