从数据时间类中提取时间信息并构建时间序列答案

【问题标题】：extract time information from data-time classes and construct a time series从数据时间类中提取时间信息并构建时间序列
【发布时间】：2016-06-18 03:24:08
【问题描述】：

有一个数据表如下所示：

                               timestamp       id
             785340 2016-04-01 00:01:19.000    4624
             785341 2016-04-01 00:01:19.000    4624
             785342 2016-04-01 00:02:20.000    4624
             794012 2016-04-01 00:02:21.000    4624
             18866  2016-04-01 00:02:28.142    4769
             794198 2016-04-01 00:03:31.000    4624
             18906  2016-04-01 00:03:40.130    4648
             18907  2016-04-01 00:04:40.155    4648
             18908  2016-04-01 00:05:40.157    4648
             797062 2016-04-01 00:05:48.000    4624

该表有两列：timestamp 和 id。时间戳列是使用df.table$timestamp<-as.POSIXct(df.table$timestamp) 生成的，第一列仅代表原始表中的行号，因为我根据时间戳对表进行了重新排序。

现在，我想计算给定分钟的 id 数，例如第 1 分钟有 2 个 id；第 2 分钟有 3 个 id，等等。换句话说，我想从时间戳中提取分钟信息。目标是构建一个时间序列，以一分钟为间隔，位于该 1 分钟间隔内的 id 的数量就是值。有没有有效的方法来做到这一点？谢谢。

【问题讨论】：

这是秒而不是分钟。
不确定分钟间隔是基于所有日期还是特定日期。如果日期是特定的，那么aggregate(id~timestamp, data = transform(df.table, format(timestamp, "%Y-%m-%d %H:%M")), FUN = length)
我只展示了一部分数据。它可以包括两个月。因此，将有 60*24*30*2 分钟。谢谢。
如果是完整日期而不是特定于数据，请将格式更改为format(timestamp, "%M")

标签： r statistics time-series

【解决方案1】：

我们可以在没有任何包的情况下做到这一点

aggregate(cbind(count=id)~ts_min, data = 
        transform(df.table, ts_min=format(timestamp, "%M")), FUN = length)
#   ts_min count
#1     01     2
#2     02     3
#3     03     2
#4     04     1
#5     05     2

【讨论】：

感谢您的回答。它工作正常。如果我想获取每个特定 ID 的计数。例如，第 1 分钟有 2 个“4624”； 2-end 分钟有 2 个“4624”和 1 个“4769”。我尝试了类似聚合(cbind(count=(id=="4624"))~.. 但它不起作用。
@user288609 试试aggregate(cbind(count=id)~ts_min + id, data = ...
感谢您的回答。我试过了，但这不是我想要的。也许我应该更清楚地解释我的问题。我在以下线程中发布了这个问题，stackoverflow.com/questions/37914133/…

【解决方案2】：

您可以使用lubridate 和dplyr。

df.table %>%
    group_by(ts_min = minute(timestamp)) %>%
    summarise(count = n())

## Source: local data frame [5 x 2]
## 
##   ts_min count
##    (int) (int)
## 1      1     2
## 2      2     3
## 3      3     2
## 4      4     1
## 5      5     2

【讨论】：