R速成指南-时间序列重采样

Posted R语言中文社区

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了R速成指南-时间序列重采样相关的知识,希望对你有一定的参考价值。

作者: Frank R语言中文社区专栏作者

知乎专栏:

https://www.zhihu.com/people/chen-xiao-tian-92-92/activities


前言

    在研究时间序列时,经常要按特定时间长度对数据进行重新划分并进行分组计算,称为时间序列重采样。例如按分钟、小时、日、月、年进行划分,并分组计算数据情况。

下面分两种情况:

  • 只要分组的结果

  • 要分组后计算数据(例如把分钟值换算成小时值)

假设你的数据集名为data,时间那一列名为date(时间数据格式必须是POSIXt或者date)。


1、把数据归类到特定时间长度的区间中。单纯的归类,比如按每个周归类。

先用cut函数划分时间区间,再用dlply函数汇总结果即可,语句是:

dlply(data,.(cut(date,"1 week")),"[") 

cut函数可用于按时间段给数据分类,用法也十分简单:cut(时间列的名称, 时间间隔)。

“时间间隔”写法很简单粗暴,一周你就写"1 week"(注意加英文引号), 一年你就写 "1 year"。

示例代码(直接复制代码到R中即可看到结果):

library(plyr)#载入plyr包 data<-data.frame(date=as.POSIXct(c(  #新建示例数据集data,含有date、x、y三列。 "2010-01-1 03:02:38 UTC", "2010-01-4 03:03:14 UTC", "2010-01-6 03:05:52 UTC", "2010-01-8 03:07:42 UTC", "2010-01-10 03:09:38 UTC", "2010-01-14 03:10:14 UTC", "2010-01-16 03:12:52 UTC", "2010-01-18 03:13:42 UTC", "2010-01-20 03:15:42 UTC", "2010-01-22 03:16:38 UTC", "2010-01-24 03:18:14 UTC", "2010-01-26 03:21:52 UTC", "2010-01-27 03:22:42 UTC", "2010-01-28 03:24:19 UTC", "2010-01-30 03:25:19 UTC" )), x = cumsum(runif(15)*10),y=cumsum(runif(15)*20)) dlply(data,.(cut(date,"1 week")),"[")  #按周分类


2、按特定时间长度归类并计算数据情况,比如计算每个周的平均值。

同样先用cut函数划分时间区间,再用aggregate函数分组计算平均数后汇总结果即可,语句是:

aggregate(. ~ cut(date, '1 week'), data, mean)


示例代码(直接复制代码到R中即可看到结果):


#同样用到上一个例子中创建的data数据集做示范。 meanweek<-aggregate(. ~ cut(date, "1 week"), data, mean)#求出每周的平均值 meanweek<-meanweek[,c(1,3:4)]#去掉原始时间那列 meanweek


关于cut.POSIXt函数的介绍详见如下链接:

https://www.rdocumentation.org/packages/base/versions/3.4.3/topics/cut.POSIXt


R速成指南-时间序列重采样

回复 爬虫             爬虫三大案例实战  
回复 
Python        1小时破冰入门

回复 数据挖掘      R语言入门及数据挖掘
回复 
人工智能      三个月入门人工智能
回复 数据分析师   数据分析师成长之路 
回复 机器学习      机器学习的商业应用
回复 数据科学      数据科学实战
回复 常用算法      常用数据挖掘算法

万水千山总是情,点个 “好看” 行不行!!!

     

以上是关于R速成指南-时间序列重采样的主要内容,如果未能解决你的问题,请参考以下文章

R语言使用caret包构建GBM模型:在模型最优参数已知的情况下,拟合整个训练集,而无需进行任何重采样或参数调优

从零开始的Python爬虫速成指南

Termux 速成指南

Termux 黑客速成指南

Sphinx速成指南

R语言使用yardstick包的lift_curve函数评估多分类(Multiclass)模型的性能并使用autoplot函数可视化模型在每个交叉验证(或者重采样)的每一折fold在每个分类上的提升