如何根据指定的开始时间从数据框中提取多个 5 分钟平均值？

Question

我有通道 A、B 和 C 的逐秒数据，如下所示（这仅显示前 6 行）：

                 date        A        B        C
1 2020-03-06 09:55:42 224.3763 222.3763 226.3763
2 2020-03-06 09:55:43 224.2221 222.2221 226.2221
3 2020-03-06 09:55:44 224.2239 222.2239 226.2239
4 2020-03-06 09:55:45 224.2044 222.2044 226.2044
5 2020-03-06 09:55:46 224.2397 222.2397 226.2397
6 2020-03-06 09:55:47 224.3690 222.3690 226.3690

我希望能够根据关闭时间提取 A、B 和 C 列的多个 5 分钟平均值。有没有办法做到这一点，我只需要输入开始时间段，而不必为我要提取的每个时间段输入开始和结束时间？本质上，我希望能够输入开始时间并让我的代码计算并提取连续 5 分钟的平均值。

我之前使用“openair”包中的“time.average”函数来获取整个数据集的 1 分钟平均值。然后我创建了一个包含开始时间的向量，然后使用“子集”函数来提取我感兴趣的 1 分钟平均值。

library(openair)
df.avg <- timeAverage(df, avg.time = "min", statistic = "mean")
cond.1.time <- c(
  '2020-03-06 10:09:00', 
  '2020-03-06 10:13:00',
  '2020-03-06 10:18:00',
) #enter start times
library(dplyr)
df.cond.1.avg <- subset(df.avg,
                           date %in% cond.1.time)  #filter data based off vector
df.cond.1.avg <- as.data.frame(df.cond.1.avg) #tibble to df

但是，这种方法不适用于 5 分钟平均值，因为并非我感兴趣的所有时间范围都以 5 分钟增量开始。此外，我之前的方法迫使我只使用从一分钟开始的 1 分钟平均值。

我需要能够提取全天随机分布的 5 分钟平均值。这些不是滚动平均值。我需要每天提取大约 30 个 5 分钟的平均值，因此只能输入开始日期是关键。

谢谢！

Answer 1

使用dplyr 和tidyr 库，可以通过过滤日期和平均来选择要平均的间隔。 它似乎效率不高，但它可以帮助你。

library(dplyr)
library(tidyr)
data <- data.frame(date = seq(as.POSIXct("2020-02-01 01:01:01"),
                              as.POSIXct("2020-02-01 20:01:10"),
                              by = "sec"),
                   A = rnorm(68410),
                   B = rnorm(68410),
                   C = rnorm(68410))

meanMinutes <- function(data, start, interval){
  # Interval in minutes
  start <- as.POSIXct(start)
  end <- start + 60*interval
  filterData <- dplyr::filter(data, date <= end, date >= start)
  date_start <- filterData$date[1]
  meanData <- filterData %>% 
    tidyr::gather(key = "param", value = "value", A:C) %>% 
    dplyr::group_by(param) %>% 
    dplyr::summarise(value = mean(value, na.rm = T)) %>% 
    tidyr::spread(key = "param", value = "value")
  return(cbind(date_start, meanData))
}

一个日期

meanMinutes(data, "2020-02-01 07:03:11", 5)

结果：

           date_start           A           B          C
1 2020-02-01 07:03:11 0.004083064 -0.06067075 -0.1304691

对于多个日期：

dates <- c("2020-02-01 02:53:41", "2020-02-01 05:23:14", 
           "2020-02-01 07:03:11", "2020-02-01 19:10:45")
do.call(rbind, lapply(dates, function(x) meanMinutes(data, x, 5)))

结果：

           date_start            A           B           C
1 2020-02-01 02:53:41 -0.001929374 -0.03807152  0.06072332
2 2020-02-01 05:23:14  0.009494321 -0.05911055 -0.02698245
3 2020-02-01 07:03:11  0.004083064 -0.06067075 -0.13046909
4 2020-02-01 19:10:45 -0.123574816 -0.02373881  0.05997007