Question

以下是我的数据集示例。我想基于每10秒的时间（即ts）来计算箱平均值。你能提供一些提示，以便继续吗？

就我而言，我希望每10秒平均一次（ts）和Var。例如，我将得到Var和ts的平均值，从0到10秒;我将得到另一个平均值Var和ts从11秒到20秒等等。

 df = data.frame(ts = seq(1,100,by=0.5), Var = runif(199,1, 10))

我可以使用R中的任何函数或库来执行此任务吗？

Answer 1

计算分级平均值的方法有很多种：基数by，dplyr，包data.table，zoo，可能包含library(dplyr) df %>% group_by(interval = round(df$ts/10)*10) %>% summarize(Var_mean = mean(Var)) # A tibble: 11 x 2 interval Var_mean <dbl> <dbl> 1 0 4.561653 2 10 6.544980 3 20 6.110336 4 30 4.288523 5 40 5.339249 6 50 6.811147 7 60 6.180795 8 70 4.920476 9 80 5.486937 10 90 5.284871 11 100 5.917074和肯定是其他时间包...

{{1}}

这就是dplyr方法，看看它和data.table如何命名中间变量，这样可以保持代码清晰易读。

Answer 2

一般来说，我同意@smci，dplyr和data.table方法在这里是最好的。让我再详细说明一下。

# the dplyr way
library(dplyr)
df %>% 
  group_by(interval = ceiling(seq_along(ts)/20)) %>% 
  summarize(variable_mean = mean(Var))

# the data.table way
library(data.table)
dt <- data.table(df)
dt[,list(Var_mean = mean(Var)),
   by =  list(interval = ceiling(seq_along(dt$ts)/20))]

我不会在这里转到传统的时间序列解决方案，例如ts，zoo或xts。他们的方法更适合处理常规频率和频率，如月度或季度数据。除ts之外，它们可以处理不规则频率和高频数据，但许多方法（如打印方法）效果不佳或者至少不会比data.table或{{{{{{ 1}}。

只要您只是聚合和分组，data.frame和data.table在性能方面也可能更快。猜测dplyr在速度方面优于data.table，但你会得到基准/配置文件，例如使用dplyr。因此，如果您还没有使用经典的R时间序列格式，那么就没有理由去进行聚合。

Answer 3

在问题中假设df，转换为动物园对象然后聚合。

aggregate.zoo的第二个参数是一个与时间向量长度相同的向量，给出了每个原始时间要映射到的新时间。第三个参数应用于所有时间序列值，其时间已映射到相同的值。这种映射可以通过各种方式完成，但在这里我们选择使用10 * ceiling(time(z) / 10)将时间（0,10）映射到10，（10,20）到20等。

根据答案中的其他一些评论，让我指出，与使用数据框相比，这里有一个显着的简化，首先是因为数据已减少到一个维度（数据中为2）。框架），其次是因为它更有利于整个对象的方法，而对于数据框架，需要不断地挑选对象并对这些部分进行操作，第三，因为现在有一个动物园的所有设施来操纵时间序列，如众多NA删除方案，滚动函数，重载算术运算符，n路合并，简单访问经典，格子和ggplot2图形，design强调与基础R的一致性，使其易于学习和包括{{3}的大量文档在14年的发展和广泛使用的情况下，有大量的例子和可能很少的错误。

library(zoo)
z <- read.zoo(df)

z10 <- aggregate(z, 10 * ceiling(time(z) / 10), mean)

，并提供：

> z10
      10       20       30       40       50       60       70       80 
5.629926 6.571754 5.519487 5.641534 5.309415 5.793066 4.890348 5.509859 
      90      100 
4.539044 5.480596

（请注意，问题中的数据不可复制，因为它使用的是没有set.seed的随机数字，因此如果您尝试重复上述内容，则无法获得相同的答案。）

现在我们可以使用以下任何一种来绘制它：

plot(z10)

library(lattice)
xyplot(z10)

library(ggplot2)
autoplot(z10)

基于定义的时间间隔（bin）的时间序列平均值

3 个答案: