5

从带有时间戳行（strptime 结果）的数据框中，聚合间隔统计信息的最佳方法是什么？

间隔可以是一小时、一天等。

有这个aggregate功能，但这无助于将每一行分配给一个间隔。我计划在数据框中添加一个表示间隔的列并将其与 一起使用aggregate，但如果有更好的解决方案，很高兴听到它。

感谢您的任何指点！

示例数据

从 03:00 开始，五行时间戳分为 15 分钟间隔。

间隔 1

  • “2010-01-13 03:02:38 UTC”
  • “2010-01-13 03:08:14 UTC”
  • “2010-01-13 03:14:52 UTC”

间隔 2

  • “2010-01-13 03:20:42 UTC”
  • “2010-01-13 03:22:19 UTC”

结论

使用时间序列包xts应该是解决方案；但是我没有成功使用它们并最终使用cut. 因为我目前只需要绘制直方图，行按间隔分组，这就足够了。

cut喜欢这样使用：

interv <- function(x, start, period, num.intervals) {
  return(cut(x, as.POSIXlt(start)+0:num.intervals*period))
}
4

3 回答 3

6

使用时间序列包。xts 包具有专门为此而设计的功能。或者查看 zoo 包中的 aggregate 和 rollapply 函数。

rmetrics 电子书有一个有用的讨论，包括各种包的性能比较： https ://www.rmetrics.org/files/freepdf/TimeSeriesFAQ.pdf

编辑：看看我对这个问题的回答。基本上，您需要将每个时间戳截断为特定间隔，然后使用这些新截断的时间戳作为分组向量进行聚合。

于 2010-03-14T04:45:14.270 回答
6

分割向量的标准函数是cut和findInterval：

v <- as.POSIXct(c(
  "2010-01-13 03:02:38 UTC",
  "2010-01-13 03:08:14 UTC",
  "2010-01-13 03:14:52 UTC",
  "2010-01-13 03:20:42 UTC",
  "2010-01-13 03:22:19 UTC"
))

# Your function return list:
interv(v, as.POSIXlt("2010-01-13 03:00:00 UTC"), 900)
# [[1]]
# [1] "2010-01-13 03:00:00"
# [[2]]
# [1] "2010-01-13 03:00:00"
# [[3]]
# [1] "2010-01-13 03:00:00"
# [[4]]
# [1] "2010-01-13 03:15:00 CET"
# [[5]]
# [1] "2010-01-13 03:15:00 CET"

# cut returns factor, you must provide proper breaks:
cut(v, as.POSIXlt("2010-01-13 03:00:00 UTC")+0:2*900)
# [1] 2010-01-13 03:00:00 2010-01-13 03:00:00 2010-01-13 03:00:00
# [4] 2010-01-13 03:15:00 2010-01-13 03:15:00
# Levels: 2010-01-13 03:00:00 2010-01-13 03:15:00

# findInterval returns vector of interval id (breaks like in cut)
findInterval(v, as.POSIXlt("2010-01-13 03:00:00 UTC")+0:2*900)
# [1] 1 1 1 2 2

备案：cut有一个POSIXttype的方法，可惜没办法提供startargument，效果是：

cut(v,"15 min")
# [1] 2010-01-13 03:02:00 2010-01-13 03:02:00 2010-01-13 03:02:00
# [4] 2010-01-13 03:17:00 2010-01-13 03:17:00
# Levels: 2010-01-13 03:02:00 2010-01-13 03:17:00

如您所见，它从 03:02:00 开始。您可能会弄乱输出因子的标签（将标签转换为时间，以某种方式舍入并转换回字符）。

于 2010-03-14T11:12:29.397 回答
0

这是个有趣的问题; 随着各种时间序列包和方法的扩散，应该有一种方法来分箱不规则时间序列，而不是 OP 建议的蛮力。这是一种“高级”方法来获取间隔，然后您可以使用 for aggregateet al，使用为对象cut定义的版本。chron

require(chron)
require(timeSeries)

my.times <- "
2010-01-13 03:02:38 UTC
2010-01-13 03:08:14 UTC
2010-01-13 03:14:52 UTC
2010-01-13 03:20:42 UTC
2010-01-13 03:22:19 UTC
"

time.df <- read.delim(textConnection(my.times),header=FALSE,sep="\n",strip.white=FALSE)
time.seq <- seq(trunc(timeDate(time.df[1,1]),units="hours"),by=15*60,length=nrow(time.df))
intervals <- as.numeric(cut(as.chron(as.character(time.df$V1)),breaks=as.chron(as.character(time.seq))))

你得到

intervals  
[1] 1 1 1 2 2

您现在可以将其附加到数据框并聚合。

上面的强制杂技（从字符到 timeDate 到字符到 chron）有点不幸，所以如果有更清洁的解决方案可以使用 xts 或任何其他 timeSeries 包对不规则时间数据进行分箱，我也很想听听它们!..

我也很想知道对大型高频不规则时间序列进行分箱的最有效方法是什么，例如，在流动性很强的股票的分时数据上创建 1 分钟的交易量柱。

于 2010-03-14T07:30:19.120 回答