1

这就是我的数据框的样子。

我想创建 15 分钟或 30 分钟的时间间隔，并获得No_Words该时间间隔内所有时间戳的总和。我需要这个来绘制每个时间间隔的平均单词数。

我应该怎么做？

另外，我真的很想知道是否可以使用sqldfpackage.json 解决方案。

               Time                 No_Words
1   2013-11-17 13:37:00                    6    
2   2013-11-17 13:37:00                   16    
3   2013-11-17 13:37:00                   18    
4   2013-11-17 13:37:00                   12    
5   2013-11-17 14:03:00                    5    
6   2013-11-17 14:03:00                   20    
7   2013-11-17 14:04:00                    4    
8   2013-11-17 17:21:00                   39    
9   2013-11-17 22:48:00                   19    
10  2013-11-17 22:48:00                   12
4

3 回答 3

2

sqldf这是一个 sqldf 解决方案，其中输入数据框为DF：

library(sqldf)

min15 <- 15 * 60 # in seconds
ans <- fn$sqldf("select
       t.Time - t.Time % $min15 as Time, 
       sum(t.No_Words) as No_Words
    from DF t 
    group by Time")
plot(No_Words ~ Time, ans, type = "o")

给予：

> ans
                 Time No_Words
1 2013-11-17 13:30:00       52
2 2013-11-17 14:00:00       29
3 2013-11-17 17:15:00       39
4 2013-11-17 22:45:00       31

使用密集网格如果需要密集网格，那么我们将需要一个网格数据框 ，G我们将其与先前的连接ans（注意 sqldf 拉入 chron 包，因此我们使用它的trunc功能）：

# create grid G
rng <- range(as.POSIXct(trunc(as.chron(DF$Time), 15 / (24 * 60))))
G <- data.frame(Time = seq(rng[1], rng[2], by = min15))

ans2 <- sqldf("select Time, coalesce(No_Words, 0) as No_Words 
         from (select * from G left join ans using(Time))")
plot(No_Words ~ Time, ans2, type = "o")

前几行ans2是：

> head(ans2)

                 Time No_Words
1 2013-11-17 13:30:00       52
2 2013-11-17 13:45:00        0
3 2013-11-17 14:00:00       29
4 2013-11-17 14:15:00        0
5 2013-11-17 14:30:00        0
6 2013-11-17 14:45:00        0

zoo我们还展示了一个 zoo 解决方案：

library(zoo)
library(chron)
FUN <- function(x) as.POSIXct(trunc(as.chron(x), 15 / (24 * 60)))
z <- read.zoo(DF, FUN = FUN, aggregate = sum)
plot(z)

这给出了z：

> z
2013-11-17 13:30:00 2013-11-17 14:00:00 2013-11-17 17:15:00 2013-11-17 22:45:00 
             52                  29                  39                  31

注意：我们使用了这些数据，特别Time是属于"POSIXct"：

Lines<- " Time            No_Words
1   2013-11-17 13:37:00                    6    
2   2013-11-17 13:37:00                   16    
3   2013-11-17 13:37:00                   18    
4   2013-11-17 13:37:00                   12    
5   2013-11-17 14:03:00                    5    
6   2013-11-17 14:03:00                   20    
7   2013-11-17 14:04:00                    4    
8   2013-11-17 17:21:00                   39    
9   2013-11-17 22:48:00                   19    
10  2013-11-17 22:48:00                   12   
"

raw <- read.table(text = Lines, skip = 1)
DF <- data.frame(Time = as.POSIXct(paste(raw$V2, raw$V3)), No_Words = raw$V4)
于 2014-01-19T12:53:49.803 回答
1 
# generate example data, 30 min intervals
set.seed(1)
dateseq <- seq(as.POSIXct("2013-11-17"), as.POSIXct("2013-11-18"), by="min")
df <- data.frame(Time=dateseq[sample(1:length(dateseq), 500)],
                 No_Words=sample(1:100, 500, replace=T))
groups <- cut.POSIXt(df$Time, breaks="30 min")

使用的困难方式sqldf：

library(sqldf)
df$groups <- groups
agg <- sqldf("select groups, avg(No_Words) from df group by groups", row.names=T)
row.names(agg) <- agg[,1]
agg <- as.matrix(agg)
class(agg) <- "numeric"
par(mar=c(2,10,0,0)); barplot(agg[,2], horiz=TRUE, las=1)

使用例如的简单方法tapply：

agg <- tapply(df$No_Words, list(groups), mean)
par(mar=c(2,10,0,0)); barplot(agg, horiz=TRUE, las=1)
于 2014-01-19T08:00:34.607 回答
1

这个答案不是使用 sqldf，而是使用基本 R 函数aggregate和cut：

## If your "Time" column is not an actual time object, 
##    convert it to one before proceeding.
mydf$Time <- as.POSIXct(mydf$Time)

cut可以创建时间箱。我们将使用它来进行聚合。您可以使用该formula表示法，但我使用了这种list方法，以便轻松指定生成的列名：

## Aggregate data in 30 minute chunks
aggregate(list(No_Words = mydf$No_Words), 
          list(Time = cut(mydf$Time, "30 min")), FUN = mean)
#                  Time No_Words
# 1 2013-11-17 13:37:00 11.57143
# 2 2013-11-17 17:07:00 39.00000
# 3 2013-11-17 22:37:00 15.50000

## Aggregate data into 15 minute chunks
aggregate(list(No_Words = mydf$No_Words), 
          list(Time = cut(mydf$Time, "15 min")), FUN = mean)
#                  Time  No_Words
# 1 2013-11-17 13:37:00 13.000000
# 2 2013-11-17 13:52:00  9.666667
# 3 2013-11-17 17:07:00 39.000000
# 4 2013-11-17 22:37:00 15.500000
于 2014-01-19T07:44:57.840 回答