- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我最近发布了一个类似的问题here ,不过,这有点过于简单化了。因此,我们再来一次:
假设我有一个数据框(下面的 dput 输出),其中包含许多不同变量的时间序列数据(本例中有 5 个,实际数据中有更多):
date a b c d e
1 2009-10-01 00:00:00 10 20 30 40 50
2 2009-10-01 01:00:00 11 21 31 41 51
3 2009-10-01 02:00:00 12 22 32 42 52
4 2009-10-01 03:00:00 13 23 33 43 53
5 2009-10-01 04:00:00 14 24 34 44 54
6 2009-10-01 05:00:00 15 25 35 45 55
7 2009-10-01 06:00:00 16 26 36 46 56
8 2009-10-01 07:00:00 17 27 37 47 57
9 2009-10-01 08:00:00 18 28 38 48 58
10 2009-10-01 09:00:00 19 29 39 49 59
11 2009-10-01 10:00:00 20 30 40 50 60
12 2009-10-01 11:00:00 21 31 41 51 61
13 2009-10-01 12:00:00 22 32 42 52 62
14 2009-10-01 13:00:00 23 33 43 53 63
15 2009-10-01 14:00:00 24 34 44 54 64
16 2009-10-01 15:00:00 25 35 45 55 65
17 2009-10-01 16:00:00 26 36 46 56 66
18 2009-10-01 17:00:00 27 37 47 57 67
19 2009-10-01 18:00:00 28 38 48 58 68
20 2009-10-01 19:00:00 29 39 49 59 69
21 2009-10-01 20:00:00 30 40 50 60 70
22 2009-10-01 21:00:00 31 41 51 61 71
23 2009-10-01 22:00:00 32 42 52 62 72
24 2009-10-01 23:00:00 33 43 53 63 73
25 2009-10-02 00:00:00 34 44 54 64 74
和另一个数据框“事件”,具有由开始和结束日期定义的不同时间段(这里有 3 个,实际数据中有更多):
id start stop
1 AGH 2009-10-01 02:00:00 2009-10-01 04:00:00
2 TRG 2009-10-01 03:00:00 2009-10-01 10:00:00
3 ZUH 2009-10-01 03:00:00 2009-10-01 20:00:00
我想获取不同事件中变量平均值的表格,如下所示:
id avg(y.a) avg(y.b) avg(y.c) avg(y.d) avg(y.e)
1 AGH 13.0 23.0 33.0 43.0 53.0
2 TRG 16.5 26.5 36.5 46.5 56.5
3 ZUH 21.5 31.5 41.5 51.5 61.5
我从之前的帖子中了解到,我可以使用 sqldf 包和一个相当简单的 SQL 语句来完成此操作:
means <- sqldf("
+ SELECT x.id, avg(y.a), avg(y.b), avg(y.c), avg(y.d), avg(y.e)
+ FROM events as x, data as y
+ WHERE y.date between x.start and x.stop
+ GROUP BY x.id
+ ")
然而,由于实际数据包含更多要平均的列,这些列在我必须处理的各种文件中的名称各不相同,因此将所有列名键入 SQL 语句变得有点乏味。
因此我更喜欢 R 中的解决方案,我可以简单地通过它们的编号引用列 (data[2:100]) 但是,困难在于时间段是不连续且重叠的,并且 id是字符串。
任何想法如何做到这一点将不胜感激!
输入(数据)
structure(list(date = structure(c(1254348000, 1254351600, 1254355200,
1254358800, 1254362400, 1254366000, 1254369600, 1254373200, 1254376800,
1254380400, 1254384000, 1254387600, 1254391200, 1254394800, 1254398400,
1254402000, 1254405600, 1254409200, 1254412800, 1254416400, 1254420000,
1254423600, 1254427200, 1254430800, 1254434400), class = c("POSIXct",
"POSIXt"), tzone = "Europe/Berlin"), a = 10:34, b = 20:44, c = 30:54,
d = 40:64, e = 50:74), .Names = c("date", "a", "b", "c",
"d", "e"), row.names = c(NA, -25L), class = "data.frame")
输入(事件)
structure(list(id = structure(1:3, .Label = c("AGH", "TRG", "ZUH"
), class = "factor"), start = structure(c(1254355200, 1254358800,
1254358800), class = c("POSIXct", "POSIXt"), tzone = "Europe/Berlin"),
stop = structure(c(1254362400, 1254384000, 1254420000), class = c("POSIXct",
"POSIXt"), tzone = "Europe/Berlin")), .Names = c("id", "start",
"stop"), row.names = c(NA, -3L), class = "data.frame")
最佳答案
基本问题是由于数据没有归一化;然而,如果不把它变成长格式,我们可以动态生成 sql 语句:
library(sqldf)
sql <- paste("select id, ",
toString(sprintf("avg(y.%s)", names(data)[-1])),
"from events as x, data as y
where y.date between x.start and x.stop
group by x.id")
sqldf(sql)
作为替代方案,我们展示了在 reshape2 包中使用 melt
将数据转换为长格式 data_long
,对其进行处理以提供 means.long
并使用 dcast
将其转换回宽格式:
library(reshape2)
data_long <- melt(data, id.vars = "date")
means_long <- sqldf("
SELECT x.id, y.variable, avg(value)
FROM events as x, data_long as y
WHERE y.date between x.start and x.stop
GROUP BY x.id, y.variable
")
means <- dcast(id ~ variable, data = means_long, value.var = "avg(value)")
关于R:如何在重叠的时间段内取平均值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/11268627/
我正在从 Stata 迁移到 R(plm 包),以便进行面板模型计量经济学。在 Stata 中,面板模型(例如随机效应)通常报告组内、组间和整体 R 平方。 I have found plm 随机效应
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 想改进这个问题?将问题更新为 on-topic对于堆栈溢出。 6年前关闭。 Improve this qu
我想要求用户输入整数值列表。用户可以输入单个值或一组多个值,如 1 2 3(spcae 或逗号分隔)然后使用输入的数据进行进一步计算。 我正在使用下面的代码 EXP <- as.integer(rea
当 R 使用分类变量执行回归时,它实际上是虚拟编码。也就是说,省略了一个级别作为基础或引用,并且回归公式包括所有其他级别的虚拟变量。但是,R 选择了哪一个作为引用,以及我如何影响这个选择? 具有四个级
这个问题基本上是我之前问过的问题的延伸:How to only print (adjusted) R-squared of regression model? 我想建立一个线性回归模型来预测具有 15
我在一台安装了多个软件包的 Linux 计算机上安装了 R。现在我正在另一台 Linux 计算机上设置 R。从他们的存储库安装 R 很容易,但我将不得不使用 安装许多包 install.package
我正在阅读 Hadley 的高级 R 编程,当它讨论字符的内存大小时,它说: R has a global string pool. This means that each unique strin
我们可以将 Shiny 代码写在两个单独的文件中,"ui.R"和 "server.R" , 或者我们可以将两个模块写入一个文件 "app.R"并调用函数shinyApp() 这两种方法中的任何一种在性
我正在使用 R 通过 RGP 包进行遗传编程。环境创造了解决问题的功能。我想将这些函数保存在它们自己的 .R 源文件中。我这辈子都想不通怎么办。我尝试过的一种方法是: bf_str = print(b
假设我创建了一个函数“function.r”,在编辑该函数后我必须通过 source('function.r') 重新加载到我的全局环境中。无论如何,每次我进行编辑时,我是否可以避免将其重新加载到我的
例如,test.R 是一个单行文件: $ cat test.R # print('Hello, world!') 我们可以通过Rscript test.R 或R CMD BATCH test.R 来
我知道我可以使用 Rmd 来构建包插图,但想知道是否可以更具体地使用 R Notebooks 来制作包插图。如果是这样,我需要将 R Notebooks 编写为包小插图有什么不同吗?我正在使用最新版本
我正在考虑使用 R 包的共享库进行 R 的站点安装。 多台计算机将访问该库,以便每个人共享相同的设置。 问题是我注意到有时您无法更新包,因为另一个 R 实例正在锁定库。我不能要求每个人都关闭它的 R
我知道如何从命令行启动 R 并执行表达式(例如, R -e 'print("hello")' )或从文件中获取输入(例如, R -f filename.r )。但是,在这两种情况下,R 都会运行文件中
我正在尝试使我当前的项目可重现,因此我正在创建一个主文档(最终是一个 .rmd 文件),用于调用和执行其他几个文档。这样我自己和其他调查员只需要打开和运行一个文件。 当前设置分为三层:主文件、2 个读
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 想改进这个问题?将问题更新为 on-topic对于堆栈溢出。 5年前关闭。 Improve this qu
我的 R 包中有以下描述文件 Package: blah Title: What the Package Does (one line, title case) Version: 0.0.0.9000
有没有办法更有效地编写以下语句?accel 是一个数据框。 accel[[2]]<- accel[[2]]-weighted.mean(accel[[2]]) accel[[3]]<- accel[[
例如,在尝试安装 R 包时 curl作为 usethis 的依赖项: * installing *source* package ‘curl’ ... ** package ‘curl’ succes
我想将一些软件作为一个包共享,但我的一些脚本似乎并不能很自然地作为函数运行。例如,考虑以下代码块,其中“raw.df”是一个包含离散和连续类型变量的数据框。函数“count.unique”和“squa
我是一名优秀的程序员,十分优秀!