Question

我正在处理大量的时间序列数据，如下所示：

ProcesID ProcessName  StartDate  EndDate   Duration
   10       httpd      1/1/2012   1/2/1012  12 Hours
   11       ftp        1/1/2012   1/2/1012  10 Hours
   12       snmp       1/1/2012   1/2/1012  5 Hours
   13       email      1/1/2012   1/2/1012  2 Hours
   14       java       1/1/2012   1/2/1012  5 Hours
   15       perl       1/1/2012   1/2/1012  7 Hours
   20       php        1/1/2012   1/2/1012  6 Hours

唯一（x$ProcessName）的数量大于500.我无法绘制每个ProcessName的图表。我想选择anamolies并绘制图表。

我确实尝试了样品：

 y<-x[sample(nrow(x), 50, prob = NULL),]

 ggplot(subset(x, ProcessName %in% y$ProcessName), 
       aes(StartDate, Duration, group=ProcessName)) + geom_point()

我不确定sample是否是执行此分析的正确选择？有没有人做过类似的事情来创建只有异常的人口图？

Answer 1

更多的评论而不是答案，我首先看一下流程运行时间长于该流程的第75个百分点的那些日子。这些只是虚拟数据，因此不太可能“计算”数据的方式，但您可以将其用作自己数据的框架。我希望您会看到在特定日期运行繁重的一些进程。您可能希望将数据子集化为50个进程的组，然后绘制它们。所有500多人都不会在现实中进行实际审查。

如果你想比较前一天和前一天，我会考虑使用diff()功能。

基本上，该图表显示每个进程运行的时间长于第75个百分点。

library(plyr)
library(ggplot2)
dat <- data.frame(ProcessID=factor(sample(1:50,10000,replace=TRUE)),
                  StartDate=as.Date(sample(1:5,10000,replace=TRUE), origin="2012-01-01"),
                  Duration=round(rexp(10000,rate=2)*6))

fourq.dat <- ddply(dat, .(ProcessID), summarize, fourq_hours = quantile(Duration)[4])
dat <- merge(dat,fourq.dat)
dat$plot <- ifelse(dat$Duration > dat$fourq_hours,1,0)

dat <- subset(dat, plot == 1)

ggplot(dat, aes(StartDate, Duration)) + geom_point() + facet_wrap(~ProcessID)

用R表示人口异常

1 个答案: