r - 使用 R 计算剧集/事件的长度

Question

我只是想知道是否有人可以建议我应该如何使用 r 进行以下计算？

我有一个一年的每小时数据集，包含 3 列，“date”“time”和“values”

例如:

'01/01/2000'     '08:00'     '10'     
'01/01/2000'     '09:00'     '30'
'01/01/2000'     '10:00'     '43'
'01/01/2000'     '11:00'     '55'
'01/01/2000'     '12:00'     '59'
'01/01/2000'     '13:00'     '45'
'01/01/2000'     '14:00'     '10'
'01/01/2000'     '15:00'     '15'
'01/01/2000'     '16:00'     '43'
'01/01/2000'     '17:00'     '45'
'01/01/2000'     '18:00'     '60'
'01/01/2000'     '19:00'     '10'

我想创建一个 data.frame 来计算值 > 40 的剧集长度，并在可能的情况下用开始日期和时间显示它，例如从上表中第一次出现超过 10: 00am 持续 4 小时，第二次发生在 16:00 持续 3 小时，所以我想知道是否可以创建如下数据框？

     'date'      'time'    'Duration'  
'01/01/2000'     '10:00'       '4'
'01/01/2000'     '16:00'       '3'

对于年度数据集以此类推

Answer 1

这是另一个依赖于 plyr 的解决方案:它使计算其他数量变得更容易在每个大于 40 的值上，例如平均值或最大值。

# Sample data
k <- 3
d <- data.frame( 
  date = rep( seq.Date( Sys.Date(), length=k, by="day" ), each=24 ),
  time = sprintf( "%02d:00", rep( 0:23, k ) ),
  value = round(200*runif(24*k))
)
d$timestamp <- as.POSIXct( paste( d$date, d$time ) )
d <- d[ order( d$timestamp ), ]
# Extract the spells above 40
n <- nrow(d)
d$inside <- d$value > 40
d$start  <- ! c(FALSE, d$inside[-n]) & d$inside
d$end    <- d$inside & ! c(d$inside[-1], FALSE)  # Not used
d$group  <- cumsum(d$start)  # Number the spells
d <- d[ d$inside, ]
library(plyr)
ddply( d, "group", summarize,
  start  = min(timestamp),
  end    = max(timestamp),
  length = length(value),
  mean   = mean(value)
)

值超过 40 的法术可以跨越几天:这可能是也可能不是你想要的。