Question

我正在从SAS迁移到R.我需要帮助搞清楚如何总结日期范围的天气数据。在SAS中，我采用日期范围，使用数据步骤为范围内的每个日期（startdate，enddate，date）创建记录，与天气合并然后汇总（VAR hdd cdd; CLASS = startdate enddate sum =）总结日期范围的值。

R代码：

startdate <- c(100,103,107)
enddate <- c(105,104,110)
billperiods <-data.frame(startdate,enddate);

得到：

> billperiods
startdate enddate
1       100     105
2       103     104
3       107     110

R代码：

weatherdate <- c(100:103,105:110)
hdd <- c(0,0,4,5,0,0,3,1,9,0)
cdd <- c(4,1,0,0,5,6,0,0,0,10)
weather <- data.frame(weatherdate,hdd,cdd)

得到：

> weather
   weatherdate hdd cdd
1          100   0   4
2          101   0   1
3          102   4   0
4          103   5   0
5          105   0   5
6          106   0   6
7          107   3   0
8          108   1   0
9          109   9   0
10         110   0  10

注意：weatherdate = 104缺失。我可能一天都没有天气。

我无法弄清楚如何到达：

> billweather
  startdate enddate sumhdd sumcdd
1       100     105      9     10
2       103     104      5      0
3       107     110     13     10

其中sumhdd是天气hdd中从startdate到enddate的{{1}}的总和。

有什么想法吗？

Answer 1

以下是使用IRanges和data.table的方法。看来，对于这个问题，这个答案可能看起来有点矫枉过正。但总的来说，我觉得使用IRanges处理间隔很方便，它们可能有多简单。

# load packages
require(IRanges)
require(data.table)

# convert data.frames to data.tables
dt1 <- data.table(billperiods)
dt2 <- data.table(weather)

# construct Ranges to get overlaps
ir1 <- IRanges(dt1$startdate, dt1$enddate)
ir2 <- IRanges(dt2$weatherdate, width=1) # start = end

# find Overlaps
olaps <- findOverlaps(ir1, ir2)

# Hits of length 10
# queryLength: 3
# subjectLength: 10
#    queryHits subjectHits 
#     <integer>   <integer> 
#  1          1           1 
#  2          1           2 
#  3          1           3 
#  4          1           4 
#  5          1           5 
#  6          2           4 
#  7          3           7 
#  8          3           8 
#  9          3           9 
#  10         3          10 

# get billweather (final output)
billweather <- cbind(dt1[queryHits(olaps)], 
                dt2[subjectHits(olaps), 
                list(hdd, cdd)])[, list(sumhdd = sum(hdd), 
                sumcdd = sum(cdd)), 
                by=list(startdate, enddate)]

#    startdate enddate sumhdd sumcdd
# 1:       100     105      9     10
# 2:       103     104      5      0
# 3:       107     110     13     10

最后一行的代码细分：首先，我使用queryHits，subjectHits和cbind构建一个中途data.table，然后，我按startdate, enddate分组，获得hdd和cdd之和的总和。如下所示，更容易分别查看该行，以便更好地理解。

# split for easier understanding
billweather <- cbind(dt1[queryHits(olaps)], 
            dt2[subjectHits(olaps), 
            list(hdd, cdd)])
billweather <- billweather[, list(sumhdd = sum(hdd), 
            sumcdd = sum(cdd)), 
            by=list(startdate, enddate)]

Answer 2

billweather <- cbind(billperiods, 
                 t(apply(billperiods, 1, function(x) { 
                   colSums(weather[weather[, 1] %in% c(x[1]:x[2]), 2:3])
               })))

Answer 3

 cbind(billperiods, t(sapply(apply(billperiods, 1, function(x) 
     weather[weather$weatherdate >= x[1] & 
             weather$weatherdate <= x[2], c("hdd", "cdd")]), colSums)))

  startdate enddate hdd cdd
1       100     105   9  10
2       103     104   5   0
3       107     110  13  10

使用一个数据帧对来自R中另一个数据帧的数据范围求和

3 个答案: