在 R 中的“周”箱中聚合平均“%H%M”答案

【问题标题】：Aggregating mean "%H%M" in "week" bins in R在 R 中的“周”箱中聚合平均“%H%M”
【发布时间】：2012-07-17 14:36:55
【问题描述】：

我已经为此苦苦挣扎了一段时间。我是使用 ts 数据和所有相关 R 包的新手。我有一个带有几个变量的df，包括格林威治标准时间“%H%M”中的“一天中的时间”和发生采样的日期“%Y/%m/%e”。我想将我的日期数据分箱/聚合为“周”（即 %W/%g），并计算在该周发生采样时的平均“一天中的时间”。

我能够通过首先将我的 df 转换为 zoo 对象然后使用如下所示的 aggregate.zoo 命令来计算数值变量（例如重量）的其他 FUN：

#calculate the sum weight captured every week 
x2c <- aggregate(OA_zoo, as.Date(cut(time(OA_zoo), "week")), sum)

但是，我不确定如何解决我正在使用 日期格式 而不是 num 的事实，并且希望有任何提示！此外，我显然已经通过分别处理我的每个变量来编码。是否有一种方法可以通过使用 plyr 聚合“每周”在我的 df 上应用不同的 FUN（总和/平均值/最大值/最小值）？还是其他一些包？

编辑/澄清 这是我的完整数据集样本的dput 输出。我有 2004-2011 年的数据。我想使用 ggplot2 查看/绘制的是 TIME 的平均值/中位数（%H%M），在几周内随时间（2004-2011）聚合。目前，我的数据不是按周汇总的，而是每天汇总的（随机样本）。

> dput(godin)
structure(list(depth = c(878, 1200, 1170, 936, 942, 964, 951, 
953, 911, 969, 960, 987, 991, 997, 1024, 978, 1024, 951, 984, 
931, 1006, 929, 973, 986, 935, 989, 1042, 1015, 914, 984), duration = c(0.8, 
2.6, 6.5, 3.2, 4.1, 6.4, 7.2, 5.3, 7.4, 7, 7, 5.5, 7.5, 7.3, 
7.5, 7, 4.2, 3, 5, 5, 9.3, 7.9, 7.3, 7.2, 7, 5.2, 8, 6, 7.5, 
7), Greenland = c(0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 40L, 28L, 0L, 
0L, 34L, 7L, 28L, 0L, 0L, 0L, 27L, 0L, 0L, 0L, 44L, 59L, 0L, 
0L, 0L, 0L, 0L, 0L), date2 = structure(c(12617, 12627, 12631, 
12996, 12669, 13036, 12669, 13036, 12670, 13036, 12670, 13037, 
12671, 13037, 12671, 13037, 12671, 13038, 12672, 13038, 12672, 
13038, 12672, 13039, 12631, 12997, 12673, 13039, 12673, 13039
), class = "Date"), TIME = c("0940", "0145", "0945", "2045", 
"1615", "0310", "2130", "1045", "0625", "1830", "1520", "0630", 
"0035", "1330", "0930", "2215", "2010", "0645", "0155", "1205", 
"0815", "1845", "2115", "0350", "1745", "0410", "0550", "1345", 
"1515", "2115")), .Names = c("depth", "duration", "Greenland", 
"date2", "TIME"), class = "data.frame", row.names = c("6761", 
"9019", "9020", "9021", "9022", "9023", "9024", "9025", "9026", 
"9027", "9028", "9029", "9030", "9031", "9032", "9033", "9034", 
"9035", "9036", "9037", "9038", "9039", "9040", "9041", "9042", 
"9043", "9044", "9045", "9046", "9047"))

【问题讨论】：

我不清楚这个问题。是计算时间平均值（而不是数字）还是按周聚合有问题？
您确实需要提供reproducible example 以供任何人提供帮助。
您如何获取一天中某个时间的平均值？你不会做中位数或众数吗？

标签： r aggregate-functions aggregate time-series

【解决方案1】：

我会这样处理：首先用一个代表星期的字符串创建一个列：

godin$week <- format(godin$date2, "%Y-W%U")

这会给你类似"2004-W26" 的东西，这对于aggregate 来说已经足够了。

那么您需要将表示 HHMM 的字符向量转换为实际时间，以便您可以在其上使用时间数学。

godin$time2 <- as.POSIXct(strptime(godin$TIME, "%H%M"))

注意：以上内容有点小技巧...strptime() 如果未指定任何日期，则假定为当前日期，但这不应妨碍此特定应用程序，因为所有转换后的时间都相同日期，平均值的时间部分将是正确的。我稍后会删除日期...

到那时，我认为你可以简单地聚合：

x2c <- aggregate(time2~week, data=godin, FUN=mean)

并摆脱不相关（和错误）的日期部分

x2c$time2 <- format(x2c$time2,"%H:%M:%S")

瞧瞧。

> x2c
      week    time2
1 2004-W29 09:40:00
2 2004-W30 01:45:00
3 2004-W31 13:45:00
4 2004-W36 12:07:00
5 2004-W37 10:32:30
6 2005-W31 12:27:30
7 2005-W36 10:48:20
8 2005-W37 13:11:06

这里的教训是，在 R 中在没有相关日期的情况下推动时间是很棘手的。我很想听听其他有更好方法的人的意见。

【讨论】：

@JoshuaUlrich：呸。你是对的。如何转换没有日期的时间？
改用strptime() 编辑。仍然有点破解，请参阅答案，如果可以的话，请提供帮助，谢谢！
strptime 返回POSIXlt 这是一个列表，所以这是行不通的。将as.POSIXct 包裹起来至少可以避免错误，但我认为结果没有意义。
@GSee：谢谢！我在测试时发现了这一点。由于特定的应用程序，结果的“废话”日期部分不会妨碍。我新编辑的回复已经过测试并且可以正常工作......终于！

【解决方案2】：

您需要将TIME 列转换为常用单位（即分钟）。这里有几个辅助函数可以做到这一点：

hour2min <- function(hhmm) {
  hhmm <- as.numeric(hhmm)
  trunc(hhmm/100)*60 + hhmm %% 100
}
min2hour <- function(min) {
  min <- as.numeric(min)
  trunc(min/60)*100 + min %% 60
}

然后，您可以根据需要汇总分钟数。我会亲自将它们放在 xts 对象中并使用 apply.weekly:

library(xts)
x <- xts(hour2min(godin$TIME), as.Date(godin$date2), dimnames=list(NULL,"MINS"))
w <- apply.weekly(x, mean)
w$TIME <- min2hour(w$MINS)
#                MINS     TIME
# 2004-07-18 580.0000  940.000
# 2004-08-01 585.0000  945.000
# 2004-09-12 711.2500 1151.250
# 2005-08-02 747.5000 1227.500
# 2005-09-11 746.6667 1226.667
# 2005-09-13 764.1667 1244.167

秒数仍为 100 分之一分钟，但可以更改...

【讨论】：

感谢您的回答@Joshua Ulrich，但这并不是我想要的。请参阅下面的答案。

【解决方案3】：

如果您想要每周所有观察时间的平均值，并且您希望日期很重要（即今天 19:00 和明天 19:00 平均到明天早上 07:00），那么您可以这样做

godin$datetime <- as.POSIXct(paste(godin$date2, godin$TIME), format="%Y-%m-%d %H%M")
aggregate(godin$datetime, list(format(godin$datetime, "%W/%g")), mean)

#  Group.1                   x
#1   28/04 2004-07-18 09:40:00
#2   30/04 2004-07-31 01:45:00
#3   31/05 2005-08-02 00:27:30
#4   36/04 2004-09-10 13:51:15
#5   36/05 2005-09-11 00:26:40
#6   37/05 2005-09-13 00:44:10

但是，我认为您想要平均时间，并且您不关心日期（除了确定它是哪一周）。在这种情况下，您可以使用任意日期作为锚点，并将所有时间视为发生在该日期。

godin$stime <- as.POSIXct(paste("1970-01-01", godin$TIME), format='%Y-%m-%d %H%M')
aggregate(godin$stime, list(format(godin$datetime, "%W/%g")), mean)

#  Group.1                   x
#1   28/04 1970-01-01 09:40:00
#2   30/04 1970-01-01 09:45:00
#3   31/05 1970-01-01 12:27:30
#4   36/04 1970-01-01 11:51:15
#5   36/05 1970-01-01 12:26:40
#6   37/05 1970-01-01 12:44:10

编辑

上述输出与@JoshuaUlrich 提供的输出之间的区别在于，他的输出是按周排序的。如果我对它们进行排序，它就像 Joshua 的，但用秒而不是 100 分之一分钟。（不过，由于您选择了 format 规范，因此以相同的方式对它们进行排序有点棘手。）

out <- aggregate(godin$stime, list(format(godin$datetime, "%W/%g")), mean)
out[order(as.numeric(paste0(substr(out[, 1], 4, 5), substr(out[, 1], 1, 2)))), ]
#  Group.1                   x
#1   28/04 1970-01-01 09:40:00
#2   30/04 1970-01-01 09:45:00
#4   36/04 1970-01-01 11:51:15
#3   31/05 1970-01-01 12:27:30
#5   36/05 1970-01-01 12:26:40
#6   37/05 1970-01-01 12:44:10

编辑 2

如果您只想返回格式为%H%M 的字符串，您可以在aggregate 中使用format

out <- aggregate(godin$stime, list(format(godin$datetime, "%W/%g")), function(TIME) format(mean(TIME), "%H%M"))
out[order(as.numeric(paste0(substr(out[, 1], 4, 5), substr(out[, 1], 1, 2)))), ]
#  Group.1    x
#1   28/04 0940
#2   30/04 0945
#4   36/04 1151
#3   31/05 1227
#5   36/05 1226
#6   37/05 1244

【讨论】：

@GodinA，不要让我的基本 R 答案欺骗了你；如果我亲自这样做，我会在做任何事情之前将我的数据转换为xts。
很想知道，为什么您的结果与@mac 不同？
因为我像你问的那样使用了%W/%g ;-)。请注意，例如，@mac 将 2004-07-28 视为与 2004-08-01 不同的一周
如果您在@mac 的回答中将godin$week <- format(godin$date2, "%Y-W%U") 替换为godin$week <- format(godin$date2, "%W/%g")，我们的结果匹配