使用 dplyr 对不同长度个体的时间序列组进行平均

Posted 2023-02-16

【中文标题】使用 dplyr 对不同长度个体的时间序列组进行平均

【英文标题】：Using dplyr to average time series groups with individuals of different lengths

【发布时间】：2020-12-09 02:18:50

【问题描述】：

考虑在此处创建的dat：

set.seed(123)
ID = factor(letters[seq(6)])
time = c(100, 102, 120, 105, 109, 130)
dat <- data.frame(ID = rep(ID,time), Time = sequence(time))
dat$group <- rep(c("GroupA","GroupB"), c(322,344))

dat$values <- sample(100, nrow(dat), TRUE)

我们有 6 个个体（6 个 IDs）的时间序列数据，它们属于 2 个组（GroupA 和 GroupB）。我们想要制作一个线图，显示两组的“平均”时间序列（所以会有两条线）。由于个体的长度不同，我们需要做dat%>%group_by(group)，并在两组中最短的ID之后剃掉值。换句话说，ID == a 是第 1 组中最短的，因此GroupA 的“平均”线在 x 轴上只有 100 个值；同样ID == d 是GroupB 的最短时间序列，因此GroupB 的“平均”时间序列在x 轴上将是105 个值（time）。 我们如何做到这一点（最好通过dplyr 管道）并将数据发送到ggplot()？

【问题讨论】：

听起来您正在寻找滚动窗口平均值。您是否考虑过签出slider 包或使用zoo 中的rollapply 来完成？

@akrun 谢谢我知道你要去哪里，你的回答也很有帮助。当我复制它时错过了创建响应变量的行，这对我不利

【参考方案1】：

你可以试试：

library(ggplot2)
library(dplyr)

dat %>% 
  group_by(ID) %>%
  mutate(maxtime = max(Time)) %>%
  group_by(group) %>%
  mutate(maxtime = min(maxtime)) %>%
  group_by(group, Time) %>%
  summarize(values = mean(values)) %>%
  ggplot(aes(Time, values, colour = group)) + geom_line()

【讨论】：

感谢您指出这一点，我从 R 复制此内容时遗漏了一行。我将您的值添加到问题中，这样您就不必修改答案。

谢谢@Ryan。我将删除答案中的标题

不清楚为什么这与dat %>% group_by(group, Time) %>% summarize(values = mean(values))不同。可能是您在group_by(group) 之后需要slice 而不是mutate

@akrun 它只允许修剪末端，以便不表示任何没有完整 ID 集的时间。我认为dat %>% group_by(group, Time) %>% summarize(values = mean(values)) 会在最短 ID 完成后保留每个组中的值，这是 OP 不想要的。

【参考方案2】：

我们可以做

library(dplyr)
dat %>% 
   add_count(group, ID) %>%
   group_by(group) %>%
   mutate(n = min(n)) %>%
   group_by(group, ID) %>% 
   summarise(values = mean(values[seq_len(first(n))]))