Jährliche, monatliche oder tägliche bedeuten für unregelmäßige Zeitreihen

Ich bin ein neuer user von "R", und ich konnte nicht finden eine gute Lösung, um es zu lösen. Ich habe ein timeseries im folgenden format:

>dates  temperature depth   salinity
>12/03/2012 11:26   9.7533  0.48073 37.607
>12/03/2012 11:56   9.6673  0.33281 37.662
>12/03/2012 12:26   9.6673  0.33281 37.672

Habe ich eine unregelmäßige Frequenz für variable Messungen, durchgeführt alle 15 oder alle 30 Minuten, abhängig von der Zeit. Ich würde gerne berechnen Jahres -, Monats-und Tagesmittelwerte für die einzelnen Variablen unabhängig von der Anzahl der Daten in einem Tag/Monat/Jahr ist. Ich lese eine Menge Dinge, über die Pakete zoo, timeseries, xts, etc. aber ich kann nicht bekommen eine klare vision von dem, was ich benötigen (vielleicht, weil ich bin nicht geschickt genug, mit R...).

Ich hoffe, mein post ist klar, zögern Sie nicht, mir zu sagen, wenn es nicht.

InformationsquelleAutor Doc Martin's | 2013-07-15

  1. 6

    Konvertieren Ihre Daten in ein xts-Objekt und verwenden Sie dann apply.daily et al zu berechnen, was auch immer Werte, die Sie möchten.

    library(xts)
d <- structure(list(dates = c("12/03/2012 11:26", "12/03/2012 11:56", 
"12/03/2012 12:26"), temperature = c(9.7533, 9.6673, 9.6673), 
    depth = c(0.48073, 0.33281, 0.33281), salinity = c(37.607, 
    37.662, 37.672)), .Names = c("dates", "temperature", "depth", 
"salinity"), row.names = c(NA, -3L), class = "data.frame")
x <- xts(d[,-1], as.POSIXct(d[,1], format="%m/%d/%Y %H:%M"))
apply.daily(x, colMeans)
#                     temperature     depth salinity
# 2012-12-03 12:26:00    9.695967 0.3821167   37.647
    Ich danke Ihnen sehr für Ihre Antwort. Der Vorteil ist, dass es mit xts kann ich Fragen, für wöchentliche Durchschnitte. Ich versuchte Ihren code, bekomme ich einige Probleme mit meinem gesamten Datenbestand, so dass ich versuchen, es zu beheben, und ich werde Ihnen in Kontakt bleiben ! Nochmals vielen Dank !
    Es ist ok, Tag und Monat waren nur invertiert ("%m/%d >>> %d/%m"). Danke !

    InformationsquelleAutor Joshua Ulrich

  2. 3

    Ich würde hinzufügen, der Tag, der Monat und das Jahr in dem Daten-frame und verwenden Sie dann aggregate().

    Zuerst konvertieren Sie Ihre date Spalte in eine POSIXct objet:

    d$timestamp <- as.POSIXct(d$dates,format = "%m/%d/%Y %H:%M",tz ="GMT")

    Dann erhalten Sie das Datum (z.B. 12/03/2012) in eine Spalte namens Date, versuchen Sie dies:

    d$Date <- format(d$timestamp,"%y-%m-%d",tz = "GMT")

    Nächsten, zu aggregieren, indem Sie das Datum ein:

    aggregate(cbind("temperature.mean" = temperature,
                "salinity.mean" = salinity) ~ Date,
          data = d,
          FUN = mean)

    Ähnlich, kann man das Monat in einer Spalte (nennen wir es M für Monat), und dann...

    d$M <- format(d$timestamp,"%B",tz = "GMT")

aggregate(cbind("temperature.mean" = temperature,
                "salinity.mean" = salinity) ~ M,
          data = d,
          FUN = mean)

    oder wenn Sie wollen, Jahr-Monat

    d$YM <- format(d$timestamp,"%y-%B",tz = "GMT")

aggregate(cbind("temperature.mean" = temperature,
                "salinity.mean" = salinity) ~ YM,
          data = d,
          FUN = mean)

    Wenn Sie irgendwelche NA-Werte in Ihren Daten, müssen Sie möglicherweise die Verantwortung für diese:

    aggregate(cbind("temperature.mean" = temperature,
                "salinity.mean" = salinity) ~ YM,
          data = d,
          function(x) mean(x,na.rm = TRUE))

    Schließlich, wenn Sie wollen, um durchschnittlich eine Woche, können Sie das auch tun. Erzeugen Sie zuerst die Nummer der Woche, und verwenden Sie dann aggregate() wieder.

    d$W <- format(d$timestamp,"%W",tz = "GMT")

aggregate(cbind("temperature.mean" = temperature,
                "salinity.mean" = salinity) ~ W,
          data = d,
          function(x) mean(x,na.rm = TRUE))

    Dieser version der Woche-Nummer definiert 1. Woche als die Woche mit dem ersten Montag des Jahres. Die Wochen sind von Montag bis Sonntag.

    Ihre Anrufe format wird nicht funktionieren. Die dates Spalte ist nicht ein POSIXct Objekt. Es ist entweder ein Zeichen oder (wahrscheinlicher) eine Rolle spielen.
    Notiert. Behoben.
    Ich danke Ihnen sehr für Ihre Antwort ! Das klappt perfekt, nach dem Wechsel habe ich auch für Antwort 1 (Tag und Monat Umgekehrt, ich denke, es ist ein Unterschied von Land, denn in Frankreich geben wir dem Tag vor Monat ;). Wie, fragte ich, um Jdbaba, gibt es eine Möglichkeit zu berechnen, wöchentliche Durchschnitte mit der player-Bibliothek wie für die xts-Bibliothek ?
    sehen Sie auf Bearbeiten.
    Ok, schön ! Ich danke Ihnen sehr !

    InformationsquelleAutor Andy Clifton

  3. 1

    Doch eine andere Methode mit plyr:

    df <- structure(list(dates = c("12/03/2012 11:26", "12/03/2012 11:56", 
   "12/03/2012 12:26"), temperature = c(9.7533, 9.6673, 9.6673), 
   depth = c(0.48073, 0.33281, 0.33281), salinity = c(37.607, 
   37.662, 37.672)), .Names = c("dates", "temperature", "depth",                                                                                                
  "salinity"), row.names = c(NA, -3L), class = "data.frame")

library(plyr)

# Change date to POSIXct
df$dates <- with(d,as.POSIXct(dates,format="%m/%d/%Y %H:%M"))

# Make new variables, year and month
df <- transform(d,month=as.numeric(format(dates,"%m")),year=as.numeric(format(dates,"%Y")))

## According to year
ddply(df,.(year),summarize,meantemp=mean(temperature),meandepth=mean(depth),meansalinity=mean(salinity))
  year meantemp meandepth meansalinity
1 2012 9.695967 0.3821167       37.647

## According to month
ddply(df,.(month),summarize,meantemp=mean(temperature),meandepth=mean(depth),meansalinity=mean(salinity))
  month meantemp meandepth meansalinity
1    12 9.695967 0.3821167       37.647
    Ich danke Ihnen sehr für Ihre Antwort ! Das klappt perfekt, nach dem Wechsel habe ich auch für Antwort 1 (Tag und Monat Umgekehrt, ich denke, es ist ein Unterschied von Land, denn in Frankreich geben wir dem Tag vor Monat ;). Gibt es eine Möglichkeit zu berechnen, wöchentliche Durchschnitte mit der player-Bibliothek wie für die xts-Bibliothek ?

    InformationsquelleAutor Janesh Devkota

  4. 1

    Paket hydroTSM hält mehrere Funktionen creat Jahres-und anderen Zusammenfassungen:

    daily2annual(x, ...)
subdaily2annual(x, ...)
monthly2annual(x, ...)
annualfunction(x, FUN, na.rm = TRUE, ...)

    InformationsquelleAutor nnn

Schreibe einen Kommentar