在 R 中按日期序列和 id 变量聚合答案

【问题标题】：aggregate by date sequences and id variables in R在 R 中按日期序列和 id 变量聚合
【发布时间】：2021-11-18 20:27:57
【问题描述】：

我正在努力将每小时的温度汇总为 3 小时，同时保持车站 ID。这里是 df：

ID	Date	temp
1155	2012-01-01 00:00:00	-0.8
1155	2012-01-01 01:00:00	0.1
1155	2012-01-01 02:00:00	0.5

我正在努力做到：

ID	Date	temp
1155	2012-01-01	-0.2

我已经详细说明了这段代码：

library(dplyr)
  Temp_3h<- df %>%
    group_by(ID)%>%
    aggregate(.,by=list(Date=cut(as.POSIXct(df$Date), "3 hour")),mean)

但除了“temp”变量之外，它还倾向于聚合 ID（分类），因此它们成为 NA。而且我不知道如何将 ID 集成到“by=”参数中。任何帮助将不胜感激

【问题讨论】：

标签： r dataframe date aggregate

【解决方案1】：

使用data.table

library(data.table)
library(lubridate)
setDT(df1)[, .(temp = mean(temp, na.rm = TRUE)),
    .(ID, Date = floor_date(ymd_hms(Date), '3 hours'))]

【讨论】：

【解决方案2】：

我其实很喜欢cut 方法。

d |>
  transform(date_s=cut(as.POSIXct(d$Date), breaks="3 hours")) |>
  with(aggregate(list(mn_temp=temp), list(date=date_s, ID=ID), FUN=mean))
#                  date   ID     mn_temp
# 1 2012-01-01 00:00:00 1155 -0.06666667
# 2 2012-01-01 03:00:00 1155  0.56666667
# 3 2012-01-01 06:00:00 1155  0.93333333
# 4 2012-01-01 09:00:00 1155  3.70000000

如果我们想要显示时间间隔的结束而不是开始时间，我们可以这样做

d |>
  transform(date_s=cut(
    as.POSIXct(d$Date), breaks="3 hours", 
    labels=(as.POSIXct(Date) + 10800)[(seq(Date) - 1) %% 3 == 0])) |>
  with(aggregate(list(mn_temp_lst3=temp), list(date=date_s, ID=ID), FUN=mean))
#                  date   ID mn_temp_lst3
# 1 2012-01-01 03:00:00 1155  -0.06666667
# 2 2012-01-01 06:00:00 1155   0.56666667
# 3 2012-01-01 09:00:00 1155   0.93333333
# 4 2012-01-01 12:00:00 1155   3.70000000

数据

d <- structure(list(ID = c(1155L, 1155L, 1155L, 1155L, 1155L, 1155L, 
1155L, 1155L, 1155L, 1155L), Date = c("2012-01-01 00:00:00", 
"2012-01-01 01:00:00", "2012-01-01 02:00:00", "2012-01-01 03:00:00", 
"2012-01-01 04:00:00", "2012-01-01 05:00:00", "2012-01-01 06:00:00", 
"2012-01-01 07:00:00", "2012-01-01 08:00:00", "2012-01-01 09:00:00"
), temp = c(-0.8, 0.1, 0.5, 0.6, 0.6, 0.5, 0.7, 0.9, 1.2, 3.7
)), row.names = c(NA, -10L), class = "data.frame")

【讨论】：

支持，但cut(as.POSIXct(d$Date), breaks="3 hours", etc) 似乎更直观，并且避免调用transform/factor。 pipe-to-with 的想法本身就值得一票。
如果第一个transform是date = droplevels(.)，你可以直接通过管道到with(aggregate(temp ~ date + ID, FUN = mean))。
@RuiBarradas Thx，你说得对，我已经改变了它（不知何故 cut.Date 以前不起作用）。

【解决方案3】：

您可以确定日期并使用group_by 和summarize 函数：

library(lubridate)
library(dplyr)
library(plyr)
summarise(group_by(df, ID, Date = floor_date(ymd_hms(Date), '3 hours')), first(Date), first(ID), sum(temp))

输出：

  first(Date) first(ID) sum(temp)
1  2012-01-01      1155      -0.2

【讨论】：

【解决方案4】：

您可以使用 floor_date/ceiling_date 将每 3 小时一次的时间戳合并为一个，并为每个 ID 取 temp 值的平均值。

library(dplyr)
library(lubridate)

Temp_3h <- df %>%
  group_by(ID, Date = floor_date(ymd_hms(Date), '3 hours')) %>%
  summarise(temp = mean(temp, na.rm = TRUE), .groups = 'drop')

Temp_3h

【讨论】：

嘿@Ronak Shah，它有效！非常感谢