计算时间序列的中位数，每 8 小时乘 8

Question

我是 R 新手，我必须计算时间序列的平均值，包含 5 年，每小时采集的臭氧数据等。

我的 df 看起来像：

structure(list(date = structure(c(1L, 1L, 1L, 1L), .Label = "01.01.2010", class = "factor"), 
day.of = c(1L, 1L, 1L, 1L), time = structure(1:4, .Label = c("00:00", 
"01:00", "02:00", "03:00"), class = "factor"), SVF_Ray = c(1L, 
1L, 1L, 1L), Gmax = c(0, 0, 0, 0), Ta = c(-1.3, -1.2, -1.2, 
-1.2), Tmrt = c(-19.3, -12.1, -12, -12.1), PET = c(-10.4, 
-8.7, -8.7, -8.7), PT = c(-11.3, -9.3, -9.3, -9.3), Ozon = c(61.35, 
62.65, 63.4, 63.85), rDatum = structure(c(14610, 14610, 14610, 
14610), class = "Date"), year = c(2010, 2010, 2010, 2010), 
month = c(1, 1, 1, 1), day = c(1, 1, 1, 1), hour = c(0, 1, 
2, 3)), .Names = c("date", "day.of", "time", "SVF_Ray", "Gmax", 
"Ta", "Tmrt", "PET", "PT", "Ozon", "rDatum", "year", "month", 
"day", "hour"), row.names = c(NA, 4L), class = "data.frame")

我想每 8 小时计算一次 Ozon 的平均值，所以每天计算一系列 4 个平均值。我的数据安排如下：

Datum_Ozon$rDatum <- as.Date(data$date, format="%d.%m.%Y")

Datum_Ozon$hour<-as.numeric(unlist(strsplit(as.character(df$time), ":"))[seq(1, 2 * length(df$time), 2)])

格式是数字

但我不知道如何实现我的目标。提前致谢！

Answer 1

如果您的数据是规则且完整的（即，每个小时都有一条记录），那么以下基本 R 代码应该可以解决问题：

# Get the number of 8 hour intervals
intervalCnt <- nrow(df) / 8L

# add a grouping vector to your data
df$group <- rep(1:intervalCnt, each=8)

# get the median for each interval, keep year var around for later
intervalMedian <- aggregate(var~group + day + month + year, data=df, FUN=median)

请注意，此解决方案依赖于数据具有规则结构的假设，即每小时都有一条记录。如果缺少感兴趣的度量，即 NA，那么只需将 na.rm 添加到聚合函数将返回感兴趣的统计信息：

# get the median for each interval
intervalMedian <- aggregate(var~group + day + month + year, data=df, FUN=median, na.rm=T)

如果您有一天中某个小时的变量，这是检查数据规律性的简单方法：

table(df$hourOfDay)

这个函数的结果是每小时的频率计数。计数应该相等。另外要检查的是，第一次观察是在最后一次观察之后的一小时内开始的，即如果观察时间 1 == "00:00"，那么最后一次观察的时间应该是 23:00。

要按年份绘制 8 小时期间的平均值，您可以再次使用聚合：

intervalMeans.year <- aggregate(var~group, data=intervalMedian,
                                FUN=mean, na.rm=T)

intervalMedian data.frame 中包含 group、day、month 和 year 变量允许许多不同的聚合。例如，稍作调整，就可以得到一个变量在 5 年内每个时间段-日-月的平均值：

intervalMedian$periodDay <- rep(1:3, length.out=intervalMedian)
intervalMeans.dayMonthPeriod <- aggregate(var~periodDay+day+month,
                                          data=intervalMedian, FUN=mean, na.rm=T)

Answer 2

这是一个使用dplyr 管道而不是plyr 方法以及ifelse() 的基本示例。这里的一切都是自包含的：

library(dplyr)

## OP data
df <- 
structure(list(date = structure(c(1L, 1L, 1L, 1L), .Label = "01.01.2010", class = "factor"), 
day.of = c(1L, 1L, 1L, 1L), time = structure(1:4, .Label = c("00:00", 
"01:00", "02:00", "03:00"), class = "factor"), SVF_Ray = c(1L, 
1L, 1L, 1L), Gmax = c(0, 0, 0, 0), Ta = c(-1.3, -1.2, -1.2, 
-1.2), Tmrt = c(-19.3, -12.1, -12, -12.1), PET = c(-10.4, 
-8.7, -8.7, -8.7), PT = c(-11.3, -9.3, -9.3, -9.3), Ozon = c(61.35, 
62.65, 63.4, 63.85), rDatum = structure(c(14610, 14610, 14610, 
14610), class = "Date"), year = c(2010, 2010, 2010, 2010), 
month = c(1, 1, 1, 1), day = c(1, 1, 1, 1), hour = c(0, 1, 
2, 3)), .Names = c("date", "day.of", "time", "SVF_Ray", "Gmax", 
"Ta", "Tmrt", "PET", "PT", "Ozon", "rDatum", "year", "month", 
"day", "hour"), row.names = c(NA, 4L), class = "data.frame")

df %>%
  mutate(DayChunk=ifelse(hour %in% c(0:7),"FirstThird",
         ifelse(hour %in% c(8:15), "SecondThird"
              ,"ThirdThird")
         )) %>%
  group_by(Date, DayChunk) %>%
  summarise(MedOzon=median(Ozon))

Answer 3

查找函数 seq.POSIXt。有一些选项可以指定开始和停止间隔。此功能旨在创建时间序列。对于您的问题：

myseq<-seq(ISOdate(2010,01,01, 00, 00, 00, tz="GMT"), to=ISOdate(2016,01,05), by = "8 hour")

使用 ISOdate 函数设置开始和停止时间。如果您要大量使用时间，我建议研究函数 strptime 和 POSIXlt/ct 时间类。 现在定义了中断并假设您的数据框 (Datum_Ozon) 中有一个名为“datetime”的列，然后使用“cut”对数据进行分组/子集。

Datum_Ozon$datetime<-as.POSIXct(paste(as.character(Datum_Ozon$date),
     as.character(Datum_Ozon$time)), "%d.%m.%Y %H:%M", tz="GMT" )

library(dplyr)
summarize(group_by(Datum_Ozon, cut(Datum_Ozon$datetime, myseq)), mean(Ozon))