根据 R 中的日期和小时以 15 分钟的间隔聚合数据

Posted 2023-03-25

【中文标题】根据 R 中的日期和小时以 15 分钟的间隔聚合数据

【英文标题】：Aggregating data at 15 minutes interval based on date and hour in R

【发布时间】：2021-12-12 14:24:59

【问题描述】：

我有如下数据

Time <- c("2021-08-30 7:24","2021-08-30 7:30","2021-08-30 7:54","2021-08-30 8:16","2021-08-30 8:27","2021-08-30 8:22","2021-08-31 2:39","2021-08-31 2:44","2021-08-31 2:50","2021-08-31 2:56","2021-08-31 7:42","2021-08-31 7:45","2021-08-31 7:50","2021-08-31 6:02")
Distance_m <- c(162,162,162,162,162,162,162,157,150,137,122,102,78,42)
df <- data.frame(Time, Distance_m)
df
              Time Distance_m
1  2021-08-30 7:24        162
2  2021-08-30 7:30        162
3  2021-08-30 7:54        162
4  2021-08-30 8:16        162
5  2021-08-30 8:27        162
6  2021-08-30 8:22        162
7  2021-08-31 2:39        162
8  2021-08-31 2:44        157
9  2021-08-31 2:50        150
10 2021-08-31 2:56        137
11 2021-08-31 7:42        122
12 2021-08-31 7:45        102
13 2021-08-31 7:50         78
14 2021-08-31 6:02         42

我想根据日期和小时以 15 分钟的间隔对 Distance_m 求和。

我期望输出如下

Date    Hour    Time    Distance_m
2021-08-30  7   54  486
2021-08-30  8   30  486
2021-08-31  2   56  606
2021-08-31  6   2   344

到目前为止我已经尝试过

df <- tidyr::separate(df, Time, c("Date", "Time"), sep = " ")
df1<- df %>%
  mutate(Time = hm(Time)) %>%
  mutate(ttt= (lubridate::minute(Time) + lubridate::hour(Time) * 60)) %>%
  mutate(tt = floor(ttt/15) ) %>%
  group_by(tt) %>%
  summarize(Date = last(Date),Time = last(Time), Distance_m = sum(Distance_m))

但是输出有点乱。我希望在处理大量数据时找到一种有效的方法。

谢谢

【问题讨论】：

你能简单解释一下15分钟的差异是如何计算的吗？我可以在第四行看到 6 小时 2 分钟，这是同一日期中最低的。

【参考方案1】：

虽然没有完全给出您预期的结果，但也许可以使用。 您可以看看这是否符合您的需求。

library(data.table)
setDT(df)

df[, Time := ymd_hm(Time)]
df[, groups := lubridate::round_date(Time, "15 minutes")]
df[, .(Distance_m_sum = sum(Distance_m)), by = groups]

               groups Distance_m_sum
1: 2021-08-30 07:30:00            324
2: 2021-08-30 08:00:00            162
3: 2021-08-30 08:15:00            324
4: 2021-08-30 08:30:00            162
5: 2021-08-31 02:45:00            469
6: 2021-08-31 03:00:00            137
7: 2021-08-31 07:45:00            302
8: 2021-08-31 06:00:00             42

更多扩展示例

我认为你必须定义你的季度，lubridate 方法有三个选项，round_date、floor_date 和 ceiling_date。重新考虑我自己的示例，我会选择 floor_date，因为 2021-08-30 7:24 属于 7:15-7:30 组。要查看所有变体：

library(data.table)
setDT(df)

df[, Time := ymd_hm(Time)]
df[, round_date := lubridate::round_date(Time, "15 minutes")]
df[, floor_date := lubridate::floor_date(Time, "15 minutes")]
df[, ceiling_date := lubridate::ceiling_date(Time, "15 minutes")]

df[, .(Distance_m_sum = sum(Distance_m)), by = round_date]
            round_date Distance_m_sum
1: 2021-08-30 07:30:00            324
2: 2021-08-30 08:00:00            162
3: 2021-08-30 08:15:00            324
4: 2021-08-30 08:30:00            162
5: 2021-08-31 02:45:00            469
6: 2021-08-31 03:00:00            137
7: 2021-08-31 07:45:00            302
8: 2021-08-31 06:00:00             42

df[, .(Distance_m_sum = sum(Distance_m)), by = floor_date]
        floor_date Distance_m_sum
1: 2021-08-30 07:15:00            162
2: 2021-08-30 07:30:00            162
3: 2021-08-30 07:45:00            162
4: 2021-08-30 08:15:00            486
5: 2021-08-31 02:30:00            319
6: 2021-08-31 02:45:00            287
7: 2021-08-31 07:30:00            122
8: 2021-08-31 07:45:00            180
9: 2021-08-31 06:00:00             42

df[, .(Distance_m_sum = sum(Distance_m)), by = ceiling_date]
          ceiling_date Distance_m_sum
1: 2021-08-30 07:30:00            324
2: 2021-08-30 08:00:00            162
3: 2021-08-30 08:30:00            486
4: 2021-08-31 02:45:00            319
5: 2021-08-31 03:00:00            287
6: 2021-08-31 07:45:00            224
7: 2021-08-31 08:00:00             78
8: 2021-08-31 06:15:00             42

【讨论】：

我认为您应该在round_date之前订购数据和时间。

不需要对任何数据进行排序，所有三个示例都是正确的，但这取决于您要如何定义 15 分钟组。通常，当您想按季度、按小时、按天对时间线数据进行分组时...考虑到每日分组，我认为大多数人都会同意这包括 00:00 到 23:59 之间的所有数据点，出于同样的原因，我更喜欢使用 floor_date 以便 7:24 变为 7:15（季度开始），因此在 7:15-7:30 之间。

Floor_date 非常适合我的情况。但是，我想在最终结果中分别标注日期、小时和分钟，因为我需要绘制每天 15 分钟的距离图，其中 x 轴应该是分钟，y 轴应该是按每个唯一日期分组的距离。在 ggplot2 中有什么有效的方法吗？

我试过这个 "df

这很棘手，但有一种巧妙的方法，无需将日期时间拆分为日期和时间。我做了一个新的答案，让你的情节从 A-Z 完成。

【参考方案2】：

Base R 选项使用cut 以 15 分钟间隔划分数据，aggregate 汇总数据。

df$Time <- as.POSIXct(df$Time, format = '%Y-%m-%d %H:%M', tz = 'UTC')
aggregate(Distance_m~Time_cut, transform(df, Time_cut = cut(Time, '15 mins')), sum)

#             Time_cut Distance_m
#1 2021-08-30 07:24:00        324
#2 2021-08-30 07:54:00        162
#3 2021-08-30 08:09:00        324
#4 2021-08-30 08:24:00        162
#5 2021-08-31 02:39:00        469
#6 2021-08-31 02:54:00        137
#7 2021-08-31 05:54:00         42
#8 2021-08-31 07:39:00        302

【参考方案3】：

您可能想知道 1900 年的部分，这是因为在刻面时 ggplot 仍然会记住整个日期，因此您不会按小时很好地堆叠它们。在刻面时，也很难给出限制的开始和结束，因为它们落在不同的一天。另一种方法是按照您建议的日期和时间进行拆分，但这会降低您的灵活性并丢失您的时间线。

Time <- c("2021-08-30 7:24","2021-08-30 7:30","2021-08-30 7:54","2021-08-30 8:16","2021-08-30 8:27","2021-08-30 8:22","2021-08-31 2:39","2021-08-31 2:44","2021-08-31 2:50","2021-08-31 2:56","2021-08-31 7:42","2021-08-31 7:45","2021-08-31 7:50","2021-08-31 6:02")
Distance_m <- c(162,162,162,162,162,162,162,157,150,137,122,102,78,42)
df <- data.frame(Time, Distance_m)

library(data.table)
setDT(df)

df[, Time := ymd_hm(Time)]
df[, floor_date := lubridate::floor_date(Time, "15 minutes")]
df <- df[, .(Distance_m_sum = sum(Distance_m)), by = floor_date]

ggplot(df, aes(x= ymd_hms(paste("1900-01-01", str_sub(df$floor_date, 12))), y = Distance_m_sum, group = as.Date(floor_date))) + geom_line(size=1) + geom_point(size=3) +
  facet_wrap(as.Date(floor_date) ~ ., ncol = 1) + 
  labs(title = "Daily Distance_m") +
  expand_limits(x = c(ymd_h(1900010100), ymd_h(1900010200))) +
  scale_x_datetime(date_breaks = "60 min", date_minor_breaks = "15 min", date_labels = "%H:%M", expand = c(0,0))

【讨论】：

它节省了我很多的绘图时间。谢谢。