3

私は最近、同様の質問をここに投稿しましたが、これは少し単純化されすぎています。したがって、ここで再び行きます：

多くの異なる変数 (この例では 5 つ、実際のデータではさらに多く) の時系列データを含むデータフレーム (以下の dput 出力) があるとします。

          date          a  b  c  d  e
1  2009-10-01 00:00:00 10 20 30 40 50
2  2009-10-01 01:00:00 11 21 31 41 51
3  2009-10-01 02:00:00 12 22 32 42 52
4  2009-10-01 03:00:00 13 23 33 43 53
5  2009-10-01 04:00:00 14 24 34 44 54
6  2009-10-01 05:00:00 15 25 35 45 55
7  2009-10-01 06:00:00 16 26 36 46 56
8  2009-10-01 07:00:00 17 27 37 47 57
9  2009-10-01 08:00:00 18 28 38 48 58
10 2009-10-01 09:00:00 19 29 39 49 59
11 2009-10-01 10:00:00 20 30 40 50 60
12 2009-10-01 11:00:00 21 31 41 51 61
13 2009-10-01 12:00:00 22 32 42 52 62
14 2009-10-01 13:00:00 23 33 43 53 63
15 2009-10-01 14:00:00 24 34 44 54 64
16 2009-10-01 15:00:00 25 35 45 55 65
17 2009-10-01 16:00:00 26 36 46 56 66
18 2009-10-01 17:00:00 27 37 47 57 67
19 2009-10-01 18:00:00 28 38 48 58 68
20 2009-10-01 19:00:00 29 39 49 59 69
21 2009-10-01 20:00:00 30 40 50 60 70
22 2009-10-01 21:00:00 31 41 51 61 71
23 2009-10-01 22:00:00 32 42 52 62 72
24 2009-10-01 23:00:00 33 43 53 63 73
25 2009-10-02 00:00:00 34 44 54 64 74

開始日と終了日で定義された異なる期間を持つ別のデータ フレーム「イベント」 (ここでは 3 つ、実際のデータではさらに多く):

   id       start                stop
1 AGH 2009-10-01 02:00:00 2009-10-01 04:00:00
2 TRG 2009-10-01 03:00:00 2009-10-01 10:00:00
3 ZUH 2009-10-01 03:00:00 2009-10-01 20:00:00

次のように、さまざまなイベント内の変数の平均値の表を取得したいと思います。

   id avg(y.a) avg(y.b) avg(y.c) avg(y.d) avg(y.e)
1 AGH     13.0     23.0     33.0     43.0     53.0
2 TRG     16.5     26.5     36.5     46.5     56.5
3 ZUH     21.5     31.5     41.5     51.5     61.5

以前の投稿から、sqldf パッケージとかなり単純な SQL ステートメントを使用してこれを実行できることを学びました。

means <- sqldf("
+     SELECT x.id, avg(y.a), avg(y.b), avg(y.c), avg(y.d), avg(y.e) 
+     FROM events as x, data as y 
+     WHERE y.date between x.start and x.stop 
+     GROUP BY x.id 
+ ")

ただし、実際のデータには、処理する必要があるさまざまなファイルで異なる名前が付けられている平均化する列がさらに多く含まれているため、すべての列名を SQL ステートメントに入力するのは少し面倒です。

したがって、私は単純に列を番号 (data[2:100]) で参照できる R での解決策を好みます。ただし、期間が非連続で重複しており、ID が文字列であることは問題です。 .

これを行う方法についてのアイデアは大歓迎です!

dput(データ)

structure(list(date = structure(c(1254348000, 1254351600, 1254355200, 
1254358800, 1254362400, 1254366000, 1254369600, 1254373200, 1254376800, 
1254380400, 1254384000, 1254387600, 1254391200, 1254394800, 1254398400, 
1254402000, 1254405600, 1254409200, 1254412800, 1254416400, 1254420000, 
1254423600, 1254427200, 1254430800, 1254434400), class = c("POSIXct", 
"POSIXt"), tzone = "Europe/Berlin"), a = 10:34, b = 20:44, c = 30:54, 
    d = 40:64, e = 50:74), .Names = c("date", "a", "b", "c", 
"d", "e"), row.names = c(NA, -25L), class = "data.frame")

dput(イベント)

structure(list(id = structure(1:3, .Label = c("AGH", "TRG", "ZUH"
), class = "factor"), start = structure(c(1254355200, 1254358800, 
1254358800), class = c("POSIXct", "POSIXt"), tzone = "Europe/Berlin"), 
    stop = structure(c(1254362400, 1254384000, 1254420000), class = c("POSIXct", 
    "POSIXt"), tzone = "Europe/Berlin")), .Names = c("id", "start", 
"stop"), row.names = c(NA, -3L), class = "data.frame")
4

2 に答える 2

2

  1. 基本的な問題は、データが正規化されていないことにあります。ただし、それを長い形式にすることを除いて、SQL ステートメントを動的に生成することができます。

    library(sqldf)
sql <- paste("select id, ", 
    toString(sprintf("avg(y.%s)", names(data)[-1])),
    "from events as x, data as y
    where y.date between x.start and x.stop
    group by x.id")
sqldf(sql)

  2. 別の方法として、meltreshape2 パッケージで を使用してデータを長い形式に変換し、 を使用data_longして処理し、 をmeans.long使用してワイド形式に戻す方法を示しdcastます。

    library(reshape2)
data_long <- melt(data, id.vars = "date")
means_long <- sqldf("
     SELECT x.id, y.variable, avg(value)
     FROM events as x, data_long as y 
     WHERE y.date between x.start and x.stop 
     GROUP BY x.id, y.variable
")
means <- dcast(id ~ variable, data = means_long, value.var = "avg(value)")
于 2012-06-30T13:47:41.837 に答える
1 
>  t( sapply(events$id , function(id) lapply (
            data[ data[["date"]] >= events[ events[['id']]==id, 'start'] & 
                  data[["date"]] <= events[ events[['id']]==id, 'stop' ] ,  -1 ], 
            mean) ) )
     a    b    c    d    e   
[1,] 13   23   33   43   53  
[2,] 16.5 26.5 36.5 46.5 56.5
[3,] 21.5 31.5 41.5 51.5 61.5
#  Or if you prefer:
t( sapply(events$id , function(id) data.frame( 
                       id=as.character(id), 
                       lapply (data[ data[["date"]] >= events[events[['id']]==id, 'start'] &  
                                     data[["date"]] <= events[ events[['id']]==id, 'stop' ] , -1 ],
                               mean) ,stringsAsFactors=FALSE) ) )
     id    a    b    c    d    e   
[1,] "AGH" 13   23   33   43   53  
[2,] "TRG" 16.5 26.5 36.5 46.5 56.5
[3,] "ZUH" 21.5 31.5 41.5 51.5 61.5
于 2012-06-29T20:51:46.987 に答える