r - 按时间间隔对值求和的优雅方式(同时考虑缺失值)

Question

我正在尝试做这样的事情

df <- data.frame(times = c("0915", "0930", "0945", "1000", "1015", "1030", "1045", "1100", "1130", "1145", "1200"),
                 values = c(1,2,3,4,1,2,3,4,1,3,4))

> df
   times values
1   0915      1
2   0930      2
3   0945      3
4   1000      4
5   1015      1
6   1030      2
7   1045      3
8   1100      4
9   1130      1
10  1145      3
11  1200      4
12  1215      1
13  1245      3
14  1300      4
15  1330      2
16  1345      4

然后把它变成这样

> df2
  times values
1   0930      3
2   1000      7
3   1030      3
4   1100      7
5   1130     NA
6   1200      7
7   1230     NA
8   1300      7
9   1330     NA
10  1400     NA

基本上，获取以 15 分钟为间隔测量的值，并将它们转换为以 30 分钟为间隔测量的值(求和就足够了)。

如果我能确定我每半小时阅读一次，我有两个 15 分钟的阅读时间，我就能想出一个不错的解决方案。我可以成对地添加元素并得到我想要的。但我无法在我的数据集中确定这一点。正如我的演示还显示的那样，可能缺少多个连续的值。

所以我认为某种数字识别是必要的，例如识别出时间在 9:15 到 9:30 之间，然后将这两者相加。所以我已经创建了一个名为 hr2dec 的函数来将这些时间转换为十进制，所以它看起来像这样

> hr2dec(df$times)
 [1]  9.25  9.50  9.75 10.00 10.25 10.50 10.75 11.00 11.50 11.75 12.00

我提到这一点是为了防止用小数而不是 4 位时间更容易解决这个问题。

我也有 24 小时和多天的数据。因此，如果我有一个循环解决方案，它需要在 2400 之后重置为 0015，因为这些是每天的第一个和最后一个测量值。可以像这样生成包含日期的完整数据集(时间带有小数点，就像我说的那样，对我来说都可以):

set.seed(42)
full_df <- data.frame(date = rep(as.Date(c("2010-02-02", "2010-02-03")), each = 96),
                      dec_times = seq(0.25,24,0.25),
                      values = rnorm(96)
                      )

full_df <- full_df[-c(2,13,15,19,95,131,192),]

到目前为止，我能想到的最佳解决方案是成对比较循环。但即使这样也不是完美的。

是否有一些优雅的方式来完成我想要的事情？ IE。检查第一个和最后一个值(根据日期和时间)，然后每半小时求和一次？我对我的循环不满意...

1. 检查第一个和最后一个日期时间值以确定半小时的范围
2. 按顺序检查项目，一次配对，以确定我是否有两个属于该半小时时段的值。
3. 如果我做，则求和，如果我不做，则放置 NA。

Answer 1

您应该查看 tibbletime package -- 具体来说，您需要查看 collapse_by()，它按时间段折叠 tbl_time 对象。

library(tibbletime)
library(dplyr)

# create a series of 7 days
# 2018-01-01 to 2018-01-07 by 15 minute intervals
df <- create_series('2018-01-01' ~ '2018-01-07', period = "15 minute")
df$values <- rnorm(nrow(df))
df
#> # A time tibble: 672 x 2
#> # Index: date
#>    date                 values
#>    <dttm>                <dbl>
#>  1 2018-01-01 00:00:00 -0.365 
#>  2 2018-01-01 00:15:00 -0.275 
#>  3 2018-01-01 00:30:00 -1.50  
#>  4 2018-01-01 00:45:00 -1.64  
#>  5 2018-01-01 01:00:00 -0.341 
#>  6 2018-01-01 01:15:00 -1.05  
#>  7 2018-01-01 01:30:00 -0.544 
#>  8 2018-01-01 01:45:00 -1.10  
#>  9 2018-01-01 02:00:00  0.0824
#> 10 2018-01-01 02:15:00  0.477 
#> # ... with 662 more rows

# Collapse into 30 minute intervals, group, and sum
df %>% 
  collapse_by("30 minute") %>%
  group_by(date) %>%
  summarise(sum_values = sum(values))
#> # A time tibble: 336 x 2
#> # Index: date
#>    date                sum_values
#>    <dttm>                   <dbl>
#>  1 2018-01-01 00:15:00     -0.640
#>  2 2018-01-01 00:45:00     -3.14 
#>  3 2018-01-01 01:15:00     -1.39 
#>  4 2018-01-01 01:45:00     -1.64 
#>  5 2018-01-01 02:15:00      0.559
#>  6 2018-01-01 02:45:00      0.581
#>  7 2018-01-01 03:15:00     -1.50 
#>  8 2018-01-01 03:45:00      1.36 
#>  9 2018-01-01 04:15:00      0.872
#> 10 2018-01-01 04:45:00     -0.835
#> # ... with 326 more rows

# Alternatively, you can use clean = TRUE
df %>% 
  collapse_by("30 minute", clean = TRUE) %>%
  group_by(date) %>%
  summarise(sum_values = sum(values))
#> # A time tibble: 336 x 2
#> # Index: date
#>    date                sum_values
#>    <dttm>                   <dbl>
#>  1 2018-01-01 00:30:00     -0.640
#>  2 2018-01-01 01:00:00     -3.14 
#>  3 2018-01-01 01:30:00     -1.39 
#>  4 2018-01-01 02:00:00     -1.64 
#>  5 2018-01-01 02:30:00      0.559
#>  6 2018-01-01 03:00:00      0.581
#>  7 2018-01-01 03:30:00     -1.50 
#>  8 2018-01-01 04:00:00      1.36 
#>  9 2018-01-01 04:30:00      0.872
#> 10 2018-01-01 05:00:00     -0.835
#> # ... with 326 more rows

如果您更喜欢视频(< 20 分钟)，请查看 The Future of Time Series and Financial Analysis in the Tidyverse大卫·沃恩 (David Vaughan)。