1

我有一组时间序列数据，其中每 10 分钟测量一次来自三个不同位置的多天（实际上是 2 年的数据）的地表温度。我感兴趣的是计算每个站点每天任何 60 分钟间隔的最大斜率（温度升高率）。

所以基本上我想每天工作 10 分钟，有一个 60 分钟的窗口，计算每个窗口的斜率，然后确定最大斜率以及它在一天中发生的时间。然后我想将此函数应用于数据集中的每一天。日期/时间采用以下格式 (%m/%d/%y %H:%M)。

我正在想象使用 ddply 和 zoo 包和函数 rollapply 来做类似这个伪代码的事情

ddply（数据，.（位置，天），函数（d）最大值（rollapply（斜率（d$temp~d$time，data=d）））

其中“时间”是每天（每 10 分钟）内的时间，“天”只是日期，因此该函数可以应用于所有日期。显然，“斜率”不是 R 函数，必须编写来计算实际斜率。

有没有人对 zoo 和 rollapply 有更多经验，或者可以想出另一种方法来解决这个问题？

我在这里包含了来自单个位置的一些示例数据（因此位置列已被删除） https://gist.github.com/natemiller/42eaf45747f31a6ccf9a

感谢您的帮助，内特

编辑：从那以后，我结合使用了 geektrader 的 Joshua Ulrich 从下面的答案，并使用基本代数将值转换回每小时 ºC 的单位

    CperH<-dat$Temp-(dat$Temp/(1+dat$ROC))

效果很好。

4

1 回答 1

3

您可以使用xts对时间序列分析非常有用的时间序列包。结合TTR包，你可以很容易地得到你想要的。

require(xts)
require(TTR)
dat <- read.csv("https://gist.github.com/natemiller/42eaf45747f31a6ccf9a/raw/916443cfb353d82e8af6cdebdd80b2e956317b24/sampleTempData.csv")

dat.xts <- .xts(x = dat$Temp, index = as.POSIXct(strptime(dat$Date, format = "%m/%d/%y %H:%M")))
names(dat.xts) <- "Temp"
head(dat.xts)
##                     Temp
## 2011-04-11 03:48:00  9.5
## 2011-04-11 03:58:00  9.5
## 2011-04-11 04:08:00  9.5
## 2011-04-11 04:18:00  9.5
## 2011-04-11 04:28:00  9.5
## 2011-04-11 04:38:00  9.5


dat.xts$ROC <- ROC(dat.xts, n = 6)
head(dat.xts, 10)
##                     Temp ROC
## 2011-04-11 03:48:00  9.5  NA
## 2011-04-11 03:58:00  9.5  NA
## 2011-04-11 04:08:00  9.5  NA
## 2011-04-11 04:18:00  9.5  NA
## 2011-04-11 04:28:00  9.5  NA
## 2011-04-11 04:38:00  9.5  NA
## 2011-04-11 04:48:00  9.5   0
## 2011-04-11 04:58:00  9.5   0
## 2011-04-11 05:08:00  9.5   0
## 2011-04-11 05:18:00  9.5   0

dat.xts[which.max(dat.xts$ROC), ]
##                     Temp       ROC
## 2011-04-12 09:48:00 14.5 0.5340825


# If you want to do analysis on per day basis.
dat.xts <- .xts(x = dat$Temp, index = as.POSIXct(strptime(dat$Date, format = "%m/%d/%y %H:%M")))
names(dat.xts) <- "Temp"
head(dat.xts)
##                     Temp
## 2011-04-11 03:48:00  9.5
## 2011-04-11 03:58:00  9.5
## 2011-04-11 04:08:00  9.5
## 2011-04-11 04:18:00  9.5
## 2011-04-11 04:28:00  9.5
## 2011-04-11 04:38:00  9.5


ll <- split.xts(dat.xts, f = "days")


ll <- lapply(ll, FUN = function(x) {
    x$ROC <- ROC(x, 6)
    return(x)
})

max.ll <- lapply(ll, function(x) x[which.max(x$ROC), ])

max.ll
## [[1]]
##                     Temp       ROC
## 2011-04-11 13:38:00 20.5 0.4946962
## 
## [[2]]
##                     Temp       ROC
## 2011-04-12 09:48:00 14.5 0.5340825
## 
## [[3]]
##                     Temp       ROC
## 2011-04-13 10:18:00 15.5 0.4382549
## 
## [[4]]
##                     Temp       ROC
## 2011-04-14 10:38:00 14.5 0.3715636
于 2013-03-21T16:15:50.350 回答