按时间和第二（因子）变量聚合 xts 对象中的数据答案

【问题标题】：Aggregate data in an xts object by time and second (factor) variable按时间和第二（因子）变量聚合 xts 对象中的数据
【发布时间】：2017-02-06 15:45:20
【问题描述】：

我是时间序列分析和使用 xts（和一般的 R）的新手，所以请原谅这个问题的基本性质。

我想按时间范围（例如几个月）和第二个因素变量汇总数据。为了说明我的问题，请参阅以下内容：

require(xts)

# Create example df and convert it to an xts object 

date <- sample(seq(as.Date("2015/01/01"), as.Date("2016/12/31"), by="day"),12)
colour <- c("Red", "Red", "Blue", "Blue", "Blue", "Blue", "Red", "Red", "Red", 
            "Red", "Blue", "Blue")
value <- sample(1:10, 12, replace = TRUE)
df <- cbind.data.frame(date, colour, value)
df <- xts(df[,-1], order.by = df$date)

这将创建一个如下所示的示例数据框：

         colour value
2015-01-30 "Blue" "2"  
2015-03-15 "Blue" "9"  
2015-03-22 "Blue" "9"  
2015-08-13 "Blue" "5"  
2015-09-01 "Blue" "8"  
2015-11-10 "Red"  "7"  
2016-04-26 "Blue" "2"  
2016-07-06 "Red"  "9"  
2016-07-07 "Red"  "6"  
2016-07-08 "Red"  "2"  
2016-10-01 "Red"  "6"  
2016-11-07 "Red"  "2"

我可以使用以下方法总结“价值”变量：

apply.monthly(df$value, FUN = mean)

给我：

             value
2015-01-30 2.000000
2015-03-22 9.000000
2015-08-13 5.000000
2015-09-01 8.000000
2015-11-10 7.000000
2016-04-26 2.000000
2016-07-08 5.666667
2016-10-01 6.000000
2016-11-07 2.000000

但我不太明白如何通过（在这种情况下）颜色变量进行聚合（我希望按月计算每种颜色的总和）。任何帮助将不胜感激。

【问题讨论】：

标签： r aggregate xts

【解决方案1】：

这个怎么样？

aggregate(as.numeric(df$value),
          list(Month = format(index(df), "%Y-%m"), 
               Colour = df$colour), 
          mean)

回应您的以下评论：

# You can replace the format with the following to get a year month object
zoo::as.yearmon(index(df))

# Or you can covert to date by using the first of every month
as.Date(paste(format(index(df), "%Y-%m"), "-01", sep = ""))

您可能会在这里找到更多想法：Converting year and month ("yyyy-mm" format) to a date in R?

【讨论】：

非常有帮助 @NBATrends 这个解决方案有效，但创建了一个“月”变量，它是“字符”类。有没有办法确保输出保持为“日期”类？我确实尝试过as.Date(df$Month, format = "%Y-%m")，但无济于事。感谢您的帮助。

【解决方案2】：

如果您想在按颜色进行子集化后使用 xts 对象，可以轻松地在如下列表中分别处理每个时间序列（按颜色）：

df <- cbind.data.frame(date, colour, value)

> class(df)
#[1] "data.frame"

# data.frame split (not xts split) to separate data by colour in a list object:
l_out <- split(df, colour)

> class(l_out[[1]])
[1] "data.frame"

mthly_mean <- function(x) {
    apply.monthly(as.xts(x[, "value"], x[, "date"]), mean)    
}

# Each element in the list is an xts object (not a data.frame) containing the mean of the data for each month:
l_res <- lapply(l_out, FUN = mthly_mean)
# or more succinctly:
# l_res <- lapply(l_out, FUN = function(x) apply.monthly(as.xts(x[, "value"], x[, "date"]), mean))

> l_res
# $Blue
# [,1]
# 2015-01-15  8.0
# 2015-07-21  4.5
# 2016-01-28  5.0
# 2016-04-28  4.0
# 2016-05-08  2.0
# 
# $Red
# [,1]
# 2015-11-30    3
# 2016-01-18    7
# 2016-02-25    5
# 2016-04-17    1
# 2016-05-23    6
# 2016-07-14    5

> class(l_res[[1]])
[1] "xts" "zoo"

【讨论】：