r - 缺少日期时计算 14 天滚动平均值

Question

我需要计算大型数据集的 14 天滚动平均值。数据集是私有(private)的，虽然我可以分享一小段。

数据集来自现场的一台仪器，该仪器并非每天都在运行。例如，数据框的片段如下所示:

Date, Value
2022-01-28, 196.00000
2022-01-31, 104.00000
2022-02-01, 0.00000
2022-02-02, 98.00000
2022-02-03, 0.00000
2022-02-07, 139.92308
2022-02-08, 114.50000
2022-02-09, 121.64286
2022-02-10, 96.50000
2022-02-11, 151.63636
2022-02-14, 85.87500
2022-02-15, 98.90000
2022-02-18, 209.40000
2022-02-21, 172.18182
2022-02-22, 0.00000
2022-02-23, 0.00000
2022-02-28, 264.00000
2022-03-01, 131.75000
2022-03-03, 119.33333
2022-03-04, 88.80000
2022-03-07, 152.16667
2022-03-08, 24.50000

我有以下情节。

library(zoo)
library(tidyverse)
ggplot(data=df_days, aes(x=Date, y=Value)) +
  geom_line(color="black", lwd=0.5) +
  geom_point(lwd=0.5) +
  geom_line(y=rollmean(df_days$Value, 14, na.pad=TRUE), color="red", lwd=0.8)
  

我意识到我实际上是在取 14 个点的平均值，即 14 个数据点的平均值。有没有办法根据日期本身获取 14 天的平均值？

Answer 1

1) 使用末尾注释中可重复显示的问题的输入，我们计算每个日期要使用的点数 w，然后使用 rollapplyr。

library(zoo)

within(DF, {
  w <- seq_along(Date) - findInterval(Date - 14, Date)
  mean14 <- rollapplyr(Value, w, mean)
})

给出以下内容，其中 mean14 是平均值，w 是用于计算该平均值的点数。这是以这样的方式计算的，如果没有丢失的日期，那么它会给出与 rollapplyr(DF$Value, 14, mean, partial = TRUE) 相同的结果，但是如果有丢失的日期，那么根据 14 天窗口中的日期数量，它使用更少。 (请注意，对每个均值使用不同数量的点会影响方差。)

         Date    Value    mean14 w
1  2022-01-28 196.0000 196.00000 1
2  2022-01-31 104.0000 150.00000 2
3  2022-02-01   0.0000 100.00000 3
4  2022-02-02  98.0000  99.50000 4
5  2022-02-03   0.0000  79.60000 5
6  2022-02-07 139.9231  89.65385 6
7  2022-02-08 114.5000  93.20330 7
8  2022-02-09 121.6429  96.75824 8
9  2022-02-10  96.5000  96.72955 9
10 2022-02-11 151.6364  91.80026 9
11 2022-02-14  85.8750  89.78637 9
12 2022-02-15  98.9000 100.77526 9
13 2022-02-18 209.4000 127.29716 8
14 2022-02-21 172.1818 131.32951 8
15 2022-02-22   0.0000 117.01700 8
16 2022-02-23   0.0000 101.81165 8
17 2022-02-28 264.0000 124.08030 6
18 2022-03-01 131.7500 129.55530 6
19 2022-03-03 119.3333 128.09502 7
20 2022-03-04  88.8000 110.86645 7
21 2022-03-07 152.1667 108.00714 7
22 2022-03-08  24.5000 111.50714 7

2)另一种方法是添加缺失的日期，在缺失的日期中用NA填写Value，然后使用rollapplyr。

m <- merge(DF, data.frame(Date = seq(min(DF$Date), max(DF$Date), 1)), all = TRUE)
na.omit(transform(m, 
  mean14 = rollapplyr(Value, 14, mean, na.rm = TRUE, partial = TRUE)))

3) 上面的一个变体是使用动物园对象。请注意，fortify.zoo(zz) 可用于从动物园对象创建数据框。

library(zoo)
z <- read.zoo(DF)

# 1
tt <- time(z)
w <- seq_along(tt) - findInterval(tt - 14, tt)
zz <- rollapplyr(z, w, mean)

# 2
m <- merge(z, zoo(, seq(start(z), end(z), 1)))
zz <- na.omit(rollapply(m, 14, mean, na.rm = TRUE))

注意

Lines <- "Date, Value
2022-01-28, 196.00000
2022-01-31, 104.00000
2022-02-01, 0.00000
2022-02-02, 98.00000
2022-02-03, 0.00000
2022-02-07, 139.92308
2022-02-08, 114.50000
2022-02-09, 121.64286
2022-02-10, 96.50000
2022-02-11, 151.63636
2022-02-14, 85.87500
2022-02-15, 98.90000
2022-02-18, 209.40000
2022-02-21, 172.18182
2022-02-22, 0.00000
2022-02-23, 0.00000
2022-02-28, 264.00000
2022-03-01, 131.75000
2022-03-03, 119.33333
2022-03-04, 88.80000
2022-03-07, 152.16667
2022-03-08, 24.50000"
DF <- read.csv(text = Lines)
DF$Date <- as.Date(DF$Date)