This question詢問R中的時間段聚合,大熊貓稱爲重新採樣。最有用的答案是使用XTS包在給定時間段內進行分組,應用sum()或mean()等函數。lubridate中的時間段的聚合
其中一條評論建議在lubridate中有類似的內容,但沒有詳細說明。有人可以使用lubridate提供一個慣用的例子嗎?我已經閱讀了幾次潤溼的小插圖,並可以想象一些lubridate和plyr的組合,但是我想確保沒有更簡單的方法,我錯過了。
爲了讓這個例子更真實,讓我們說,我想自行車從這個數據集向北行駛的日常總和:
library(lubridate)
library(reshape2)
bikecounts <- read.csv(url("http://data.seattle.gov/api/views/65db-xm6k/rows.csv?accessType=DOWNLOAD"), header=TRUE, stringsAsFactors=FALSE)
names(bikecounts) <- c("Date", "Northbound", "Southbound")
的數據是這樣的:
> head(bikecounts)
Date Northbound Southbound
1 10/02/2012 12:00:00 AM 0 0
2 10/02/2012 01:00:00 AM 0 0
3 10/02/2012 02:00:00 AM 0 0
4 10/02/2012 03:00:00 AM 0 0
5 10/02/2012 04:00:00 AM 0 0
6 10/02/2012 05:00:00 AM 0 0
這也很有用。很高興接受這個答案,如果共識是「不要使用lubridate;而是使用XTS」。這就是說,我聽到很多「使用lubridate」,所以我有點想知道什麼是大驚小怪! – Peter
我傾向於同意@GSee。我_think_使用'lubridate'函數實現'ddply'-grouping變量的最簡單的'lubridate'方法只會是:'bikecounts $ date2 < - mdy_hms(x = bikecounts $ Date)'; 'bikecounts $ date3 < - round_date(x = bc $ date2,unit =「day」)'。 – Henrik
偉大的每個人的答案集。支持這一個1.)糾正我的起始前提2.)提供一個基本的R例子3.)顯示什麼樣的潤溼版本,以及4.)解釋xts的好處。 – Peter