我仍在尝试创建详细的时间序列数据帧。我正在尝试获取多个数据点的月度数据，然后按多个因素进行分组。我不确定这是否可行，因为我没有在文档，插图或SO中看到与此相关的示例。
以下是我尝试构建的示例数据：
clients <- 1:100
dates <- seq(as.Date("2012/1/1"), as.Date("2012/9/1"), "days")
categories <- LETTERS[1:5]
products <- data.frame(clientID = sample(clients, 10000, replace = TRUE),
OrderDate = sample(dates, 10000, replace = TRUE),
category = sample(categories, 10000, replace = TRUE),
numProducts = sample(1:10, 1000, replace = TRUE),
OrderTotal = sample(1:100, 1000, replace = TRUE))
输出如下：
head(products)
clientID OrderDate category numProducts OrderTotal
1 90 2012-03-20 D 9 18
2 66 2012-08-19 A 3 50
3 45 2012-05-25 A 10 75
4 28 2012-01-01 D 4 27
5 71 2012-02-28 A 4 76
6 26 2012-01-28 C 8 89
我想要的结构看起来像这样：
Category A ... Category E
ClientID Jan2012numProducts Jan2012OrderTotal Feb2012numProducts Feb2012OrderTotal ... Sep2012numProducts Sep2012OrderTotal
1 12 78 6 52 0 0
2 7 218 3 15 1 28
...
99999 20 192 10 100 28 156
我意识到列名可能会变长，看起来像AJan2012numProducts或AJan2012OrderTotal，这很好。
以下是我不清楚的程序 - 再次，我在文档或小插图中找不到它们：
1）zoo可以聚合多个观察区域吗？在这种情况下，我想在本月同时获得numProducts和OrderTotal的总和。即使zoo不能，我也可以使用merge函数并加入clientID和类别
2）zoo可以按因子（或多个因素）分组来执行聚合吗？我希望能够逐月查看clientID和category。
3）是否能够沿X轴创建具有类别和月份的数据框。如果没有，如果我可以通过clientID和类别将时间序列数据简单地组合在一起，那么我可以使用reshape使用cast来扩展时间序列。我需要将数据帧放到这个结构中：
head(df)
clientID Month category numProducts OrderTotal
1 2012-01-31 A 12 78
1 2012-01-31 B 0 0
....
99999 2012-09-30 D 6 71
99999 2012-09-30 E 1 28
cast(df, month~category, sum) (or something close to that)
这有可能吗？你能帮一些例子吗？
答案 0 :(得分：0)
使用format.Date，xtabs和ftable的组合可以让您完全满足您的要求。我稍微简化了一下这个例子，但原则应该是明确的。如果您希望月份字段更短，则可以更改表对象中维度的名称，或者您可以创建月份列并重做所有工作。 （我承认我很难弄清楚'动物园'会如何进入这张照片。目前它看起来像一个简单的制表问题。虽然......我确信aggregate.zoo能够汇总多个标准并使用和作为聚合函数。）
首先是两个命令，然后是控制台会话输出：
prodtble <- xtabs(cbind(numProducts, OrderTotal) ~ clientID +
format(OrderDate, "%b%Y") +
category,
data=products)
ftable(prodtbl, row.vars=c("category","clientID"))
现在输出：
> xtabs(cbind(numProducts, OrderTotal) ~ clientID + format(OrderDate, "%b%Y")+category, data=products)
, , category = A, = numProducts
format(OrderDate, "%b%Y")
clientID Feb2012 Jan2012 Mar2012
1 23 0 16
2 0 6 27
3 30 0 21
4 13 33 24
5 5 20 12
, , category = B, = numProducts
format(OrderDate, "%b%Y")
clientID Feb2012 Jan2012 Mar2012
1 8 27 23
2 8 14 4
3 0 5 6
4 8 13 39
5 3 23 9
, , category = C, = numProducts
format(OrderDate, "%b%Y")
clientID Feb2012 Jan2012 Mar2012
1 0 6 20
2 20 20 4
3 0 17 0
4 17 11 2
5 7 3 8
, , category = A, = OrderTotal
format(OrderDate, "%b%Y")
clientID Feb2012 Jan2012 Mar2012
1 40 0 41
2 0 5 33
3 48 0 40
4 16 28 24
5 23 42 29
, , category = B, = OrderTotal
format(OrderDate, "%b%Y")
clientID Feb2012 Jan2012 Mar2012
1 14 24 19
2 22 19 19
3 0 2 4
4 19 46 62
5 10 38 10
, , category = C, = OrderTotal
format(OrderDate, "%b%Y")
clientID Feb2012 Jan2012 Mar2012
1 0 2 39
2 30 33 7
3 0 44 0
4 50 21 19
5 16 14 28
# You could have skipped the printout by assigning to 'prodtable' in the step above.
# I thought is was useful pedagogically.
> prodtbl <- .Last.value
> ftable(prodtbl, row.vars=c("category","clientID"))
format(OrderDate, "%b%Y") Feb2012 Jan2012 Mar2012
numProducts OrderTotal numProducts OrderTotal numProducts OrderTotal
category clientID
A 1 23 40 0 0 16 41
2 0 0 6 5 27 33
3 30 48 0 0 21 40
4 13 16 33 28 24 24
5 5 23 20 42 12 29
B 1 8 14 27 24 23 19
2 8 22 14 19 4 19
3 0 0 5 2 6 4
4 8 19 13 46 39 62
5 3 10 23 38 9 10
C 1 0 0 6 2 20 39
2 20 30 20 33 4 7
3 0 0 17 44 0 0
4 17 50 11 21 2 19
5 7 16 3 14 8 28
这是缩短的例子：
clients <- 1:5
dates <- seq(as.Date("2012/1/1"), as.Date("2012/3/31"), "days")
categories <- LETTERS[1:3]
products <- data.frame(clientID = sample(clients, 100, replace = TRUE),
OrderDate = sample(dates, 100, replace = TRUE),
category = sample(categories, 100, replace = TRUE),
numProducts = sample(1:10, 100, replace = TRUE),
OrderTotal = sample(1:20, 100, replace = TRUE))