1

他の列のいくつかの基準を指定して、集計関数を使用して列を合計する方法の解決策を探しています。Rは、列内の範囲を選択し、別の行の値を考慮して同じ行で操作を実行する必要があります。

私が解決しようとしている実際的な問題は次のとおりです。2年間、毎日15分ごとに測定された電気負荷のリストを取得しました。次のようになります。

日付______時間_ _ ___ ____ロード01-01-201000
:00-00: 151234

2010年1月1日00:15-00:302313

2010年1月1日..。

2010年1月1日23:30-23:452341

..。

2011年12月31日23:30-23:452347

私の目的は、いわゆる「ピーク負荷」と「オフピーク負荷」を計算することです。ピークは午前8時から午後8時までです。オフピークは反対です。だから私は毎日のピークとオフピークを計算したいと思います。したがって、毎日8:00から20:00まで集計し、その日の残りの負荷を計算する必要があります。

私も幸せです

ご協力いただきありがとうございます！

最高、F

4

1 に答える 1

4

ここでの階層のメンタルモデルは、この方法を複雑にしすぎていると思います。日ごとに、次にピーク/オフピークごとにサブセット化する必要はありません。一緒にサブセット化するだけです。

使用ddply：

dat <- data.frame(date=rep(seq(5),5),time=runif(25),load=rnorm(25))
library(plyr)
dat$peak <- dat$time<.5
ddply(dat, .(date,peak), function(x) mean(x$load) )

> ddply(dat, .(date,peak), function(x) mean(x$load) )
   date  peak           V1
1     1 FALSE -1.064166845
2     1  TRUE  0.172868201
3     2 FALSE  0.638594830
4     2  TRUE  0.045538051
5     3 FALSE  0.201264770
6     3  TRUE  0.054019462
7     4 FALSE  0.722268759
8     4  TRUE -0.490305933
9     5 FALSE  0.003411591
10    5  TRUE  0.628566966

使用aggregate：

> aggregate(dat$load, list(dat$date,dat$peak), mean )
   Group.1 Group.2            x
1        1   FALSE -1.064166845
2        2   FALSE  0.638594830
3        3   FALSE  0.201264770
4        4   FALSE  0.722268759
5        5   FALSE  0.003411591
6        1    TRUE  0.172868201
7        2    TRUE  0.045538051
8        3    TRUE  0.054019462
9        4    TRUE -0.490305933
10       5    TRUE  0.628566966

そして、それを楽しむためだけに、ベンチマーク

まず、上記のように5x5エントリを使用します。

> microbenchmark(
+   ddply(dat, .(date,peak), function(x) mean(x$load) ),
+   aggregate(dat$load, list(dat$date,dat$peak), mean )
+   )
Unit: milliseconds
                                                 expr      min       lq   median       uq      max
1 aggregate(dat$load, list(dat$date, dat$peak), mean) 1.323438 1.376635 1.445769 1.549663 2.853348
2 ddply(dat, .(date, peak), function(x) mean(x$load)) 4.057177 4.292442 4.386289 4.534728 6.864962

5x5ベンチマーク

次に500x500エントリを使用

> m
Unit: milliseconds
                                                 expr      min       lq   median       uq      max
1 aggregate(dat$load, list(dat$date, dat$peak), mean) 558.9524 570.7354 590.4633 599.4404 634.3201
2 ddply(dat, .(date, peak), function(x) mean(x$load)) 317.7781 348.1116 361.7118 413.4490 503.8540

500x500ベンチマーク

50x50ベンチマーク

n <- 50
dat <- data.frame(date=rep(seq(n),n),time=runif(n),load=rnorm(n))
dat$peak <- dat$time<.5

library(plyr)
library(microbenchmark)
library(data.table)
DT <- as.data.table(dat)
m <- microbenchmark(
  ddply(dat, .(date,peak), function(x) mean(x$load) ),
  aggregate(dat$load, list(dat$date,dat$peak), mean ),
  DT[,.Internal(mean(load)),keyby=list(date,peak)]
  )
m
plot(m)

50x50

したがって、小さな問題ではaggregateが高速になり（おそらく、すべての機械をロードするためのオーバーヘッドが少ないため）、大きな問題（速度が重要な場合）ではddplyが高速になります。Data.tableは（いつものように）すべてを吹き飛ばします。

于 2012-05-18T11:53:53.353 に答える