在 R 中分析时间序列（随时间）答案

【问题标题】：Analyze time series in R (with time)在 R 中分析时间序列（随时间）
【发布时间】：2016-08-12 21:04:43
【问题描述】：

我是 R 的新手。

我有一个数据集：

  meter    measurement    datetime                value
1 tv       EnergyUsed     2015-04-27  12:29:48    0.0
2 tv       EnergyUsed     2015-04-27  12:29:48    0.0
3 tv       EnergyUsed     2015-04-27  12:31:48    0.0
4 tv       EnergyUsed     2015-04-27  12:41:48    0.0
5 tv       EnergyUsed     2015-04-27  13:01:48    0.0

我想制作几个子集：

每月过滤的子集（因此所有数据来自例如四月）
按 dag 过滤的子集（即每天的所有数据）

我尝试了一些东西（不起作用）并用谷歌搜索了很多：

energy <- filter(dataset, datetime == "2015-04")（导致“无数据”）
我找到了这个“解决方案”(Annual, monthly or daily mean for irregular time series) 但问题是我有 60,700 个条目.. 所以如果这个过程是自动完成的应该很好
我找到了一些其他的解决方案，但他们只使用日期（没有时间）。删除时间也可以，但它与日期在一列中。

我希望这不是重复的，因为其他来源无济于事。如果有不清楚的地方，请告诉我。我只是从 R 开始。

【问题讨论】：

我这样做了：one$day
不是最佳的，但现在我可以看到日期和月份。不幸的是，不是每个月的每一天，而是一周中的每一天

标签： r time subset series

【解决方案1】：

要按月、日或工作日对数据进行子集化，最好将列转换为日期/时间类。假设您将数据从 .csv 文件读入数据帧（名为 df），那么它们的日期时间很可能是一个字符串。转换为日期/时间类：

df$datetime <- as.POSIXct(df$datetime, format="%Y-%m-%d %H:%M:%S")

一旦列属于 POSIX 类，那么您可以使用子集

months(df$datetime)
weekdays(df$datetime)

我建议阅读帮助页面并研究 POSIXct、POSIXlt、strptime、cut.POSIXt 作为开始。
R 在日期和时间方面可能看起来有点古怪，但一旦你习惯了它，它就会是一个非常强大的功能。

【讨论】：

【解决方案2】：

将您的日期时间转换为日期

(x<-as.Date(dat$datetime))
[1] "2015-04-27" "2015-04-27" "2015-04-27" "2015-04-27" "2015-04-27"

(1) 将月份字段插入数据集并按月份插入子集

dat$mm <- format(x, "%m")
subset(dat, mm=="04")
  meter measurement            datetime value   yyyymmdd mm
1    tv  EnergyUsed 2015-04-27 12:29:48     0 2015-04-27 04
2    tv  EnergyUsed 2015-04-27 12:29:48     0 2015-04-27 04
3    tv  EnergyUsed 2015-04-27 12:31:48     0 2015-04-27 04
4    tv  EnergyUsed 2015-04-27 12:41:48     0 2015-04-27 04
5    tv  EnergyUsed 2015-04-27 13:01:48     0 2015-04-27 04

(2) 按特定日期插入组合的 yymmdd 字段和子集

dat$day <- format(x, "%y%m%d")
subset(dat, day=="150427")

  meter measurement            datetime value   yyyymmdd mm    day
1    tv  EnergyUsed 2015-04-27 12:29:48     0 2015-04-27 04 150427
2    tv  EnergyUsed 2015-04-27 12:29:48     0 2015-04-27 04 150427
3    tv  EnergyUsed 2015-04-27 12:31:48     0 2015-04-27 04 150427
4    tv  EnergyUsed 2015-04-27 12:41:48     0 2015-04-27 04 150427
5    tv  EnergyUsed 2015-04-27 13:01:48     0 2015-04-27 04 150427

【讨论】：