Question

我在R的数据框中有一年的小时数据：

> str(df.MHwind_load)   # compactly displays structure of data frame
'data.frame':   8760 obs. of  6 variables:
 $ Date         : Factor w/ 365 levels "2010-04-01","2010-04-02",..: 1 1 1 1 1 1 1 1 1 1 ...
 $ Time..HRs.   : int  1 2 3 4 5 6 7 8 9 10 ...
 $ Hour.of.Year : int  1 2 3 4 5 6 7 8 9 10 ...
 $ Wind.MW      : int  375 492 483 476 486 512 421 396 456 453 ...
 $ MSEDCL.Demand: int  13293 13140 12806 12891 13113 13802 14186 14104 14117 14462 ...
 $ Net.Load     : int  12918 12648 12323 12415 12627 13290 13765 13708 13661 14009 ...

在保留每小时结构的同时，我想知道如何提取

特定月份/月份
每个月的第一天/第一周等
所有星期一，全年的星期二等

我尝试使用“cut”而没有结果，在网上看之后认为“lubridate”可能会这样做，但是没有找到合适的例子。我非常感谢这个问题的帮助。

编辑：数据框中的数据样本如下：

  Date Hour.of.Year  Wind.MW  datetime
1  2010-04-01  1  375  2010-04-01  00:00:00
2  2010-04-01  2  492  2010-04-01  01:00:00
3  2010-04-01  3  483  2010-04-01  02:00:00
4  2010-04-01  4  476  2010-04-01  03:00:00
5  2010-04-01  5  486  2010-04-01  04:00:00
6  2010-04-01  6  512  2010-04-01  05:00:00
7  2010-04-01  7  421  2010-04-01  06:00:00
8  2010-04-01  8  396  2010-04-01  07:00:00
9  2010-04-01  9  456  2010-04-01  08:00:00
10  2010-04-01  10  453  2010-04-01  09:00:00
..  ..  ...  ..........  ........
8758  2011-03-31  8758  302  2011-03-31  21:00:00
8759  2011-03-31  8759  378  2011-03-31  22:00:00
8760  2011-03-31  8760  356  2011-03-31  23:00:00

编辑：我想对同一数据集执行的其他基于时间的操作 1.对所有数据点进行逐小时平均，即一年中每天第一个小时内所有值的平均值。输出将是全年的“小时档案”（24个时间点） 2.对每周和每月执行相同的操作，即分别获得52和12小时的配置文件 3.季节性平均值，例如6月至9月

Answer 1

将日期转换为lubridate理解的格式，然后分别使用函数month，mday，wday。

假设您有一个data.frame，时间存储在Date列中，那么您的问题的答案将是：

 ###dummy data.frame
 df <- data.frame(Date=c("2012-01-01","2012-02-15","2012-03-01","2012-04-01"),a=1:4) 
 ##1. Select rows for particular month
 subset(df,month(Date)==1)

 ##2a. Select the first day of each month
 subset(df,mday(Date)==1)

 ##2b. Select the first week of each month
 ##get the week numbers which have the first day of the month
 wkd <- subset(week(df$Date),mday(df$Date)==1)
 ##select the weeks with particular numbers
 subset(df,week(Date) %in% wkd)     

 ##3. Select all mondays 
 subset(df,wday(Date)==1)

Answer 2

首先切换为Date代表：as.Date(df.MHwind_load$Date)
然后在日期向量上调用weekdays以获取标有星期几的新因子
然后在日期向量上调用months以获取标有月份名称的新因子
可选择创建years变量（见下文）。

现在subset使用这些相关组合的数据框。步骤2.得到你的任务的答案3.步骤3.和4.让你进入任务1.任务2可能需要一行或两行R.或者只选择对应于，例如，一个月内所有星期一的行和在结果上调用unique或其另一个duplicated。

让你去...

newdf <- df.MHwind_load ## build an augmented data set
newdf$d <- as.Date(newdf$Date)
newdf$month <- months(newdf$d)
newdf$day <- weekdays(newdf$d)

## for some reason R has no years function.  Here's one
years <- function(x){ format(as.Date(x), format = "%Y") }

newdf$year <- years(newdf$d)

# get observations from January to March of every year
subset(newdf, month %*% in c('January', 'February', 'March'))

# get all Monday observations
subset(newdf, day == 'Monday')

# get all Mondays in 1999
subset(newdf, day == 'Monday' & year == '1999')

# slightly fancier: _first_ Monday of each month
# get the first weeks
first.week.of.month <- !duplicated(cbind(newdf$month, newdf$day)) 
# now pull out the mondays
subset(newdf, first.monday.of.month & day=='Monday')

Answer 3

由于您没有询问数据的时间（每小时）部分，因此最好将数据存储为Date对象。否则，您可能会对 chron 感兴趣，它也有一些便利功能，如下所示。

关于Conjugate Prior的答案，您应该将日期数据存储为Date对象。由于您的数据已经遵循默认格式（'yyyy-mm-dd'），因此您可以在其上调用as.Date。否则，您必须指定字符串格式。我也会在你的因素上使用as.character来确保你没有内联错误。我知道因为这个原因我已经遇到了因素进入日期的问题（可能在当前版本中得到纠正）。

df.MHwind_load <- transform(df.MHwind_load, Date = as.Date(as.character(Date)))

现在，您可以创建提取所需信息的包装函数。您可以像我上面那样使用 transform 来简单地添加代表月，日，年等的列，然后在逻辑上对它们进行子集化。或者，您可能会这样做：

getMonth <- function(x, mo) {  # This function assumes w/in single year vector
  isMonth <- month(x) %in% mo  # Boolean of matching months
  return(x[which(isMonth)]     # Return vector of matching months
}  # end function

或者，简称

getMonth <- function(x, mo) x[month(x) %in% mo]

这只是在存储该信息（变换帧）或在需要时对其进行处理（使用存取方法）之间的权衡。

比较一个月的第一天，您需要一个更复杂的过程。但这并不完全困难。下面是一个函数，它将返回所有这些值，但是对于给定月份的值的有序向量进行子集并获取它们的第一个值是相当简单的。

getFirstDay <- function(x, mo) {
  isMonth <- months(x) %in% mo
  x <- sort(x[isMonth])  # Look at only those in the desired month.
                         # Sort them by date. We only want the first day.
  nFirsts <- rle(as.numeric(x))$len[1]  # Returns length of 1st days
  return(x[seq(nFirsts)])
}  # end function

更容易的替代方案是

getFirstDayOnly <- function(x, mo) {sort(x[months(x) %in% mo])[1]}

我没有对这些进行原型设计，因为您没有提供任何数据样本，但这种方法可以帮助您获得所需的信息。由您决定如何将这些内容纳入您的工作流程。例如，假设您希望获得某一年中每个月的第一天（假设我们只看一年;您可以创建包装或预先处理您的向量一年）。

# Return a vector of first days for each month
df <- transform(df, date = as.Date(as.character(date)))
sapply(unique(months(df$date)),  # Iterate through months in Dates
       function(month) {getFirstDayOnly(df$date, month)})

以上也可以设计为使用其他访问者功能的单独便利功能。通过这种方式，您可以创建一系列直接但简洁的方法来获取所需的信息。然后，您只需将它们组合在一起即可创建非常简单易懂的功能，您可以在脚本中使用这些功能，以最有效的方式为您提供所需的精确功能。

您应该能够使用上面的示例来弄清楚如何原型化其他包装器以访问您需要的日期信息。如果您需要帮助，请随时在评论中提问。

在R中聚合，重组每小时时间序列数据

3 个答案: