Question

我有一个具有以下结构的数据集：月|一天|小时|分钟| Value1 | Value2 |值3

数据集的长度为525,600行。我需要的是每个值（value1，value2，value3）的平均值超过15分钟。输出应具有以下结构：

Month | Begin | End  | MeanValues1 | MeanValues2 | MeanValues3 
01    | 0:00  | 0:15 | 1.23        | 2.34        | 3.23 
01    | 0:15  | 0:30 | 1.76        | 3.02        | 3.24

因此，输出数据集的长度应为35,040行。

任何人都可以帮助我并给我一个R的轻量级解决方案吗？我不知道如何以非常有效的方式实现它。此外，我不清楚如何在输出数据集中构建Begin和End列。

我提前感谢您的任何意见。

最佳

Answer 1

# Create some sample data
set.seed <- 8675309
Month <- rep(1, 30)
Day <- rep(1, 30)
Hour <- rep(1, 30)
Minute <- seq(1, 30, 1)
value1 <- runif(30, 0, 100)
value2 <- runif(30, 10, 20)
df <- data.frame(Month, Day, Hour, Minute, value1, value2)

# Break into bins
df$bin <- cut(df$Minute, breaks = c(0,15,30,45,60))

# Aggregate
df$Minute<- NULL
newdf <- aggregate(.~Month+Day+Hour+bin, df, mean)

Answer 2

使用dplyr和lubridate，你可以将时间四舍五入到最接近的四分之一，按那些分组和计算方法。

我使用这些库

library(tibble)
library(lubridate)
library(dplyr)

第一个只是制作这个测试数据：

test_tbl <- tribble(
    ~Month, ~Day, ~Hour, ~Minute, ~Value1, ~Value2, ~Value3,
         2,   15,    14,      11,       1,       1,       1,
         2,   15,    14,      12,       1,       1,       1,
         2,   15,    14,      16,       2,       2,       2,
         2,   15,    14,      19,       2,       2,       2,
)

管道首先生成一个字符串，我可以使用lubridate来解析日期时间（我不知道是否有更明智的方法可以做到这一点;我还没有那么多使用过lubridate）。然后我计算所有时间的开始和结束季度，按那些计算，以及计算方法。

test_tbl %>% 
    mutate(time_str = paste0(2018, ":", Month, ":", Day, " ", Hour, ":", Minute),
           time = ymd_hm(time_str),
           quarter_start = floor_date(time, "15 min"),
           quarter_end = ceiling_date(time, "15 min")) %>%
    select(-(Day:Minute), -time_str, -time) %>% # don't need these any more
    group_by(Month, quarter_start, quarter_end) %>%
    summarise_all(mean)

我的输出如下：

# A tibble: 2 x 6
# Groups:   Month, quarter_start [?]
  Month quarter_start       quarter_end         Value1 Value2
  <dbl> <dttm>              <dttm>               <dbl>  <dbl>
1    2. 2018-02-15 14:00:00 2018-02-15 14:15:00     1.     1.
2    2. 2018-02-15 14:15:00 2018-02-15 14:30:00     2.     2.
# ... with 1 more variable: Value3 <dbl>

我想更改列名，可能是quarter_start和quarter_end列的格式，但除此之外，我认为它接近你想要的。

Answer 3

这是data.table和lubridate方法（使用@pyll答案中的数据）：

数据

set.seed <- 8675309 Month <- rep(1, 30) Day <- rep(1, 30) Hour <- rep(1, 30) Minute <- seq(1, 30, 1) value1 <- runif(30, 0, 100) value2 <- runif(30, 10, 20) df <- data.frame(Month, Day, Hour, Minute, value1, value2)

<强> CODE

library(data.table) library(lubridate) dt <- as.data.table(df) # Convert to R date-time (year is assumed to be 2018) dt <- dt[, date := as.POSIXct(paste(Month, Day, Hour, Minute, sep = " "), format = "%m %d %H %M", tz = "UTC")] > head(dt) Month Day Hour Minute value1 value2 date 1: 1 1 1 1 22.260566 16.86117 2018-01-01 01:01:00 2: 1 1 1 2 2.412274 18.53744 2018-01-01 01:02:00 3: 1 1 1 3 87.083359 15.65351 2018-01-01 01:03:00 4: 1 1 1 4 44.914115 15.00117 2018-01-01 01:04:00 5: 1 1 1 5 5.319505 14.06182 2018-01-01 01:05:00 6: 1 1 1 6 2.320090 19.11555 2018-01-01 01:06:00 > str(dt) Classes ‘data.table’ and 'data.frame': 30 obs. of 7 variables: $ Month : num 1 1 1 1 1 1 1 1 1 1 ... $ Day : num 1 1 1 1 1 1 1 1 1 1 ... $ Hour : num 1 1 1 1 1 1 1 1 1 1 ... $ Minute: num 1 2 3 4 5 6 7 8 9 10 ... $ value1: num 22.26 2.41 87.08 44.91 5.32 ... $ value2: num 16.9 18.5 15.7 15 14.1 ... $ date : POSIXct, format: "2018-01-01 01:01:00" "2018-01-01 01:02:00" "2018-01-01 01:03:00" ... - attr(*, ".internal.selfref")=<externalptr>

<强>输出

> dt[, .(mean1 = mean(value1), mean2 = mean(value2)), by = .(round_date(date, unit = "15 mins"))] round_date mean1 mean2 1: 2018-01-01 01:00:00 27.42124 16.47126 2: 2018-01-01 01:15:00 38.20346 13.91443 3: 2018-01-01 01:30:00 44.70040 16.36477

我认为这是一种非常干净的方法，特别是如果你不得不对不规则的间隔（比如3分钟）执行自定义操作（mean除外）。此外，由于data.table通过引用执行操作，因此它非常快。希望这有帮助！

R：建立意味着每分钟数据

3 个答案: