将日期和时间合并/汇总到 x 分钟块

Question

我有以下带有 UNIX 时间戳的数据框 (mydf)：

1543748345000
1543760946000
1543752164000
1543720144000
1543752713000
1543781064000
1543753688000
1543765145000
… 

（n = 200,000）

我将这些转换为日期格式，使用：

mydf <- as.POSIXct(as.integer(as.numeric(as.character(mydf)) / 1000.0),origin='1970-01-01', tz="GMT")

这很好用，我得到了带有日期和准确时间的有序数据：

2018-12-01 00:07:05
2018-12-01 00:09:04
2018-12-01 00:25:42
…

1. 问题） 这是基于我的系统时间，因此是我的时区 (CET +1)，还是我必须再次转换它？

现在假设我想生成 x-Minutes 块（例如 30 分钟）来计算在 x-分钟时间范围内我有多少观察，例如：

From | To | Count
2018-12-01 00:00:00 | 2018-12-01 00:30:00 | 3
2018-12-01 00:30:00 | 2018-12-01 01:00:00 | 6
2018-12-01 01:00:00 | 2018-12-01 01:30:00 | 5
…

同时，我的数据框中还有其他一些数值变量，我想在新的 x-minutes-chunks-data-frame 中获取平均值。 （例如，前三个观察值在第一个块中（= 一个观察值），在这里我想要这三个观察值的每个变量的平均值）。

1. 问题） 你知道我怎样才能有效地做到这一点吗？

干杯:)

编辑：

mydf <- data.frame("content" = c(replicate(10,"Here is Text")), 
           "replies" = c(1,2,3,2,5,2,6,2,6,3), 
           "credits" = c(4,7,3,6,2,11,7,10,9,0),
           "unix_timestamp" = c("2018-12-01 00:07:05 GMT", "2018-12-01 00:09:04 GMT", "2018-12-01 00:25:42 GMT", "2018-12-01 00:28:40 GMT", 
                                "2018-12-01 01:09:11 GMT", "2018-12-01 02:19:05 GMT", "2018-12-01 03:29:06 GMT", "2018-12-01 04:06:30 GMT", 
                                "2018-12-01 04:29:06 GMT", "2018-12-01 05:29:16 GMT"))

我的目标：

data.frame("count" = c(4,0),
           "mean_replies" = c(2,0), 
           "mean_credits" = c(5,0),
           "from" = c("2018-12-01 00:00:00 GMT","2018-12-01 00:30:00 GMT"),
           "to" = c("2018-12-01 00:30:00 GMT", "2018-12-01 01:00:00 GMT"))

Answer 1

关于你的第一个问题，我不知道（日期很麻烦，时区更糟），在我看来，如果你建立了tz = "GMT"，那么应该是时区。 p>

关于第二个问题，您可以使用 data.table 和cut() 轻松完成：

# load libraries
library(data.table)

# load data
dt <- fread("1543748345000
1543760946000
1543752164000
1543720144000
1543752713000
1543781064000
1543753688000
1543765145000")

# Convert dates to appropriate format
dt[, V1 := as.POSIXct(as.integer(as.numeric(as.character(V1)) / 1000.0),origin='1970-01-01', tz="GMT")]

# count occurrences by 30 minutes chuks:
dt[, .N, 
     by = cut(V1, 
              seq(as.POSIXct("2018-12-02", tz = "GMT"),
                  as.POSIXct("2018-12-03", tz = "GMT"), 
                  by = "30 min"))]

结果：

                   cut N
1: 2018-12-02 10:30:00 1
2: 2018-12-02 14:00:00 1
3: 2018-12-02 12:00:00 3
4: 2018-12-02 03:00:00 1
5: 2018-12-02 20:00:00 1
6: 2018-12-02 15:30:00 1

######## 添加到问题中修改后的数据#######

cutVector <- seq(as.POSIXct("2018-12-01", tz = "GMT"),
                 as.POSIXct("2018-12-02", tz = "GMT"), 
                 by = "30 min")

mydf[, .(mean_replies = mean(replies), 
         mean_credits = mean(credits), 
         count = .N), 
       by = cut(V1, cuVector)]

您可能仍需要修改/调整变量、范围等的名称。

仔细阅读?data.table和?cut是个好主意