我有这样的数据:
Date Time Global_active_power
1 16/12/2006 17:24:00 4.216
2 16/12/2006 17:25:00 5.360
3 16/12/2006 17:26:00 5.374
4 16/12/2006 17:27:00 5.388
5 16/12/2006 17:28:00 3.666
6 16/12/2006 17:29:00 3.520由于我需要执行时间序列分析,因此我可能需要将这些基于分钟的数据聚合为基于日、基于周、基于月或基于季度的数据。但是,我尝试使用以下代码来获取按月和按季度的数据(基于函数as.yearmon和as.yearqtr):
agg_Month <-aggregate(tmp_hPower,by=list(as.yearmon(tmp_hPower$Date,'%d/%m/%Y')),
FUN = mean, na.rm = TRUE )似乎没有像as.yearweek这样的函数,那么我如何获取按日、按周、甚至按小时的数据呢?
发布于 2016-09-01 12:26:49
如果将data.frame转换为xts对象,这将非常简单。
# original data
tmp_hPower <- read.table(text=" Date Time Global_active_power
1 16/12/2006 17:24:00 4.216
2 16/12/2006 17:25:00 5.360
3 16/12/2006 17:26:00 5.374
4 16/12/2006 17:27:00 5.388
5 16/12/2006 17:28:00 3.666
6 16/12/2006 17:29:00 3.520")
# xts object from original data
library(xts)
x <- with(tmp_hPower, xts(Global_active_power,
as.POSIXct(paste(Date,Time), format="%d/%m/%Y %H:%M:%S")))
# use period.apply and endpoints to aggregate to any frequency
period.apply(x, endpoints(x, "hours"), mean) # hourly
period.apply(x, endpoints(x, "days"), mean) # daily
period.apply(x, endpoints(x, "weeks"), mean) # weekly发布于 2016-09-01 10:24:02
下面是一个使用dplyr包的选项:
library(dplyr)
library(lubridate)
library(zoo)
# Fake data
set.seed(4999)
dat = data.frame(time=seq(as.POSIXct("2015-01-01"),
as.POSIXct("2016-12-31"), length.out=1000),
value=rnorm(1000))您可以添加允许您按周、月等进行汇总的时间组。
dat = dat %>%
mutate(year_day = paste0(year(time),'-', yday(time)),
year_week = paste0(year(time),"-",strftime(time,"%W")),
year_mon = as.yearmon(time),
year_qtr = as.yearqtr(time)) 现在,按周进行总结。您可以以类似的方式按天、月等进行总结。
dat.by.week = dat %>%
group_by(year_week) %>%
summarise(value=mean(value))而且,您实际上不必将时间组添加到原始数据中。你可以随时随地完成所有的事情。例如:
dat.by.week = dat %>%
mutate(year_week = paste0(year(time),"-",strftime(time,"%W"))) %>%
group_by(year_week) %>%
summarise(value=mean(value))https://stackoverflow.com/questions/39261554
复制相似问题