11

我有一个不规则的事件（帖子）时间序列xts，我想计算在滚动的每周窗口（或每两周一次或 3 天等）内发生的事件数。数据如下所示：

                    postid
2010-08-04 22:28:07    867
2010-08-04 23:31:12    891
2010-08-04 23:58:05    901
2010-08-05 08:35:50    991
2010-08-05 13:28:02   1085
2010-08-05 14:14:47   1114
2010-08-05 14:21:46   1117
2010-08-05 15:46:24   1151
2010-08-05 16:25:29   1174
2010-08-05 23:19:29   1268
2010-08-06 12:15:42   1384
2010-08-06 15:22:06   1403
2010-08-07 10:25:49   1550
2010-08-07 18:58:16   1596
2010-08-07 21:15:44   1608

这应该产生类似的东西

                    nposts
2010-08-05 00:00:00     10
2010-08-06 00:00:00      9
2010-08-07 00:00:00      5

为期 2 天的窗口。我研究了rollapply、apply.rollingfromPerformanceAnalytics等，它们都假设有规律的时间序列数据。我尝试将所有时间都更改为发布帖子的那一天，并每天使用类似ddply分组的方式，这让我很接近。但是，用户可能不会每天都发帖，所以时间序列仍然是不规则的。我可以用 0 填补空白，但这可能会使我的数据膨胀很多，而且它已经相当大了。

我应该怎么办？

4

3 回答 3

5

这是使用 xts 的解决方案：

x <- structure(c(867L, 891L, 901L, 991L, 1085L, 1114L, 1117L, 1151L, 
  1174L, 1268L, 1384L, 1403L, 1550L, 1596L, 1608L), .Dim = c(15L, 1L),
  index = structure(c(1280960887, 1280964672, 1280966285, 
  1280997350, 1281014882, 1281017687, 1281018106, 1281023184, 1281025529, 
  1281050369, 1281096942, 1281108126, 1281176749, 1281207496, 1281215744),
  tzone = "", tclass = c("POSIXct", "POSIXt")), class = c("xts", "zoo"),
  .indexCLASS = c("POSIXct", "POSIXt"), tclass = c("POSIXct", "POSIXt"),
  .indexTZ = "", tzone = "")
# first count the number of observations each day
xd <- apply.daily(x, length)
# now sum the counts over a 2-day rolling window
x2d <- rollapply(xd, 2, sum)
# align times at the end of the period (if you want)
y <- align.time(x2d, n=60*60*24)  # n is in seconds
于 2014-02-12T14:14:01.197 回答
4

这似乎有效：

# n = number of days
n <- 30
# w = window width. In this example, w = 7 days
w <- 7

# I will simulate some data to illustrate the procedure
data <- rep(1:n, rpois(n, 2))

# Tabulate the number of occurences per day:
# (use factor() to be sure to have the days with zero observations included)
date.table <- table(factor(data, levels=1:n))  

mat <- diag(n)
for (i in 2:w){
  dim <- n+i-1
  mat <- mat + diag(dim)[-((n+1):dim),-(1:(i-1))]
  }

# And the answer is.... 
roll.mean.7days <- date.table %*% mat

似乎并不太慢（尽管mat矩阵将获得维度 n*n）。我尝试将 n=30 替换为 n=3000（这会创建一个包含 900 万个元素 = 72 MB 的矩阵），但它在我的计算机上仍然相当快。对于非常大的数据集，首先尝试一个子集......使用 Matrix 包（bandSparse）中的一些函数来创建矩阵也会更快mat。

于 2012-10-23T08:45:09.710 回答
0

使用跑步者可以在滚动窗口上应用任何 R 函数。OP 需要的是仅在指定时间点计算滚动窗口上的函数（长度）。使用runner用户需要指定at参数来指示应该计算哪些时间点输出。我们可以将runner我们在一侧创建的时间点向量作为POSIXt序列传递。
要使runner时间相关，必须按与对象idx相对应的日期来指定。x窗口长度可以设置为k = "2 days"

at <- seq(as.POSIXct("2010-08-05 00:00:00"), 
          by = "1 days",
          length.out = 4)

# [1] "2010-08-05 CEST" "2010-08-06 CEST" "2010-08-07 CEST" "2010-08-08 CEST"


runner::runner(
  x = x$postid,
  k = "2 days",
  idx = x$datetime,
  at = at,
  f = length
)
# [1]  3 10  9  5
于 2020-04-13T08:17:21.297 回答