为什么使用 xts/zoo 在 R 中没有 apply.hourly？答案

【问题标题】：Why is there no apply.hourly in R with xts/zoo?为什么使用 xts/zoo 在 R 中没有 apply.hourly？
【发布时间】：2013-04-07 19:17:42
【问题描述】：

我想按小时平均值汇总数据。日常很简单：

apply.daily(X2,mean)

为什么没有每小时的功能？我试过了

hr.means <- aggregate(X2, format(X2["timestamp"],"%Y-%m-%d %H"))

并且在使用 trim 参数时总是出错。有没有类似apply.daily的更简单的功能？如果我想汇总 5 分钟的平均值怎么办。数据是每分钟的值：

"timestamp", value 
"2012-04-09 05:03:00",2
"2012-04-09 05:04:00",4
"2012-04-09 05:05:00",5
"2012-04-09 05:06:00",0
"2012-04-09 05:07:00",0
"2012-04-09 05:08:00",3
"2012-04-09 05:09:00",0
"2012-04-09 05:10:00",1

我正在使用 xts 和 zoo。

【问题讨论】：

在我看来，添加例如apply.hourly 和 apply.minutely 到包！

标签： r time-series xts zoo

【解决方案1】：

试试

period.apply(X2, endpoints(X2, "hours"), mean)

apply.daily 只是上面的一个包装器：

> apply.daily
function (x, FUN, ...)
{
    ep <- endpoints(x, "days")
    period.apply(x, ep, FUN, ...)
}

【讨论】：

谢谢你，5分钟的周期有什么建议吗？
我得到：05:04:00 - 4； 05:09:00 - 5,... 但也许可以将第一个值设置为 05:00:00 并继续 05:05:00 可能会更容易，如果我稍后合并文件以具有相同的开始和时间步长。谢谢
我明白了。您可以随意摆弄endpoints 的输出，或者只查看endpoints 打印出来的内容（它只是一个索引列表），然后用您喜欢的任何点构建一个类似的列表。

【解决方案2】：

hr.means <- aggregate(X2, format(time(X2),"%y-%m-%d %H"), mean)

这应该可以正常工作。

【讨论】：

【解决方案3】：

回答第 2 部分：

如果我想汇总 5 分钟的平均值怎么办？

正如@eddit 在上面的评论中已经提到的那样：

df <- read.table(header=TRUE, sep=",", stringsAsFactors=FALSE, text="
timestamp, value 
2012-04-09 05:03:00,2
2012-04-09 05:04:00,4
2012-04-09 05:05:00,5
2012-04-09 05:06:00,0
2012-04-09 05:07:00,0
2012-04-09 05:08:00,3
2012-04-09 05:09:00,0
2012-04-09 05:10:00,1")
X2 <- xts(df$value, as.POSIXct(df$timestamp))

X2.5min <- period.apply(X2, endpoints(X2, "minutes", 5), mean)

我得到：05:04:00 - 4； 05:09:00 - 5,... 但也许可以将第一个值设置为 05:00:00 并继续 05:05:00 可能会更容易，如果我稍后合并文件以具有相同的开始和时间步长。

确实：

> X2.5min
                    [,1]
2012-04-09 05:04:00  3.0
2012-04-09 05:09:00  1.6
2012-04-09 05:10:00  1.0

Darren Cook over at Cross Validated 遇到了同样的问题并写了函数align.time.down：

align.time.down=function(x,n){index(x)=index(x)-n;align.time(x,n)}

这可以用来调低时间：

X2.5mindown <- align.time.down(X2.5min, 5 * 60)
X2.5mindown
                    [,1]
2012-04-09 05:00:00  3.0
2012-04-09 05:05:00  1.6
2012-04-09 05:10:00  1.0

【讨论】：

正如我对 Darren 的评论，将观察结果与发生的时间之前对齐似乎是个坏主意，特别是如果您要合并与另一个时间序列聚合。