我有来自xts对象的不规则时间索引。我需要找到两次观察之间的 平均秒数。 这是我的示例数据：
dput(tt)
structure(c(1371.25, NA, 1373.95, NA, NA, 1373, NA, 1373.95,
1373.9, NA, NA, 1374, 1374.15, NA, 1374, 1373.85, 1372.55, 1374.05,
1374.15, 1374.75, NA, NA, 1375.9, 1374.05, NA, NA, NA, NA, NA,
NA, NA, 1375, NA, NA, NA, NA, NA, 1376.35, NA, NA, NA, NA, NA,
NA, NA, NA, NA, NA, 1376.25, NA, 1378, 1376.5, NA, NA, NA, 1378,
1378, NA, NA, 1378.8, 231.9, 231.85, NA, 231.9, 231.85, 231.9,
231.8, 231.9, 232.6, 231.95, 232.35, 232, 232.1, 232.05, 232.05,
232.05, 231.5, 231.3, NA, NA, 231.1, 231.1, 231.1, 231, 231,
230.95, 230.6, 230.6, 230.7, 230.6, 231, NA, 231, 231, 231.45,
231.65, 231.4, 231.7, 231.3, 231.25, 231.25, 231.4, 231.4, 231.85,
231.75, 231.5, 231.55, 231.35, NA, 231.5, 231.5, NA, 231.5, 231.25,
231.15, 231, 231, 231, 231.05, NA), .Dim = c(60L, 2L), .indexCLASS = c("POSIXct",
"POSIXt"), tclass = c("POSIXct", "POSIXt"), .indexTZ = "Asia/Calcutta", tzone = "Asia/Calcutta", index = structure(c(1459482299,
1459482301, 1459482302, 1459482303, 1459482304, 1459482305, 1459482306,
1459482307, 1459482309, 1459482310, 1459482311, 1459482312, 1459482314,
1459482315, 1459482316, 1459482317, 1459482318, 1459482319, 1459482320,
1459482321, 1459482322, 1459482323, 1459482324, 1459482326, 1459482328,
1459482329, 1459482330, 1459482331, 1459482332, 1459482336, 1459482337,
1459482338, 1459482339, 1459482342, 1459482344, 1459482346, 1459482347,
1459482348, 1459482349, 1459482590, 1459482591, 1459482594, 1459482595,
1459482596, 1459482597, 1459482598, 1459482599, 1459482602, 1459482603,
1459482604, 1459482609, 1459482610, 1459482611, 1459482612, 1459482613,
1459482618, 1459482619, 1459482620, 1459482622, 1459482628), tzone = "Asia/Calcutta", tclass = c("POSIXct",
"POSIXt")), .Dimnames = list(NULL, c("A", "B")), class = c("xts",
"zoo"))
这是我的尝试：
difftime(index(tt),index(lag.xts(tt, k=1)), units=c("auto"))
Time differences in secs
[1] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
attr(,"tclass")
[1] "POSIXct" "POSIXt"
非常感谢任何帮助。
编辑：
根据答案，我制作了以下代码。 该代码用于计算每天A和B的平均秒数。
但代码采用tt而不是A或B的索引，因此A和B的结果相同。
fun.time= function(x) mean(diff(time(x)))
df.time<-do.call(rbind, lapply(split(tt, "days"), FUN=function (x) {do.call(cbind, lapply(as.list(x), fun.time))}))
dput(df.time)
structure(c(5.57627118644068, 5.57627118644068), .Dim = 1:2, .Dimnames = list(
NULL, c("A", "B")))
答案 0 :(得分：6)
首先创建一些超过一天的测试数据。使用我们创建的tt问题中的tt2。
其余代码在删除该列的NA值后按列和按天计算连续时间的差异。我们按日期lapply对列进行了aggregate我们format。为此，我们删除当前列的NA，然后构造一个zoo对象，其值为数字秒，其索引是格式化的时间。数值是这样的，我们可以避免处理difftime对象及其不可预测的单位，as.Date导致tzone获取相对于数据的as.Date属性的日期;否则，as.xts将取相对于GMT的日期而不是所需的日期（基于下面海报的评论）。这将返回一个zoo对象，但如果xts输出很重要，那么将library(xts)
# test input
tt2 <- tt
time(tt2) <- time(tt) + seq(1, 24*60*60, length = 60)
do.call(cbind, lapply(tt2, function(x) {
times <- time(na.omit(x))
aggregate(zoo(as.numeric(times), format(times)), as.Date, function(x) mean(diff(x)))
}))
应用于结果很容易。
A B
2016-04-01 3029.0 1648.9
2016-04-02 5416.1 1633.0
给出以下动物园系列：
aggregate 注1：如果我们只需要按列而不是按日期的平均差异，那么我们可以将tt简化为以下单行代码。在这里，我们回到使用sapply(tt, function(x) mean(diff(as.numeric(time(na.omit(x))))))
作为测试输入，因为这足以说明这种情况。请注意，我们再次将索引转换为数字，以避免difftime输出单元的不可预测性。
A B
14.9545 6.2115
给出这个命名的数字向量：
coredata 注2：使用development version of zoo，这可以简化。在该版本的zoo中，aggregate.zoo存在FALSE参数，如果设置为coredata，则整个zoo对象将被发送到函数而不仅仅是tzone部分。在下面的代码中，我们定义函数以获取NA删除后的平均差异并将索引转换为字符，然后将Date转换为使用输入的aggregate.zoo属性作为其时区（或当地时间）的效果区）。然后，我们将cbind按日期应用于每列，并library(xts)
mean_diff_time <- function(x) mean(diff(as.numeric(time(na.omit(x)))))
dates <- function(x) as.Date(format(x))
do.call("cbind", lapply(as.zoo(tt2), aggregate, dates, mean_diff_time, coredata = FALSE))
将结果列表重新组合在一起：
activationStrategy更新：重新安排了演示文稿。
答案 1 :(得分：2)
为了补充G.Grothendieck的答案，您还可以使用mean(diff(index(tt)))将结果作为difftime对象返回：
> mean(diff(index(tt)))
Time difference of 5.576271 secs
或只是mean(diff(.index(tt)))将结果设为数字：
> mean(diff(.index(tt)))
[1] 5.576271
编辑：
> lapply(tt, function(x){mean(diff(.index(x[!is.na(x)])))})
$A
[1] 14.95455
$B
[1] 6.211538