如何计算一个变量每10行的平均值

Question

我有一些数据集是每1分钟收集的，但我必须用10分钟数据的平均值替换数据。所以我有以下 R 代码。

for(k in 1:(length(temp[,1])/10)){
  temp2[k,1]<-temp[1,1]
  temp2[k,2]<-temp[k*10,2]
  temp2[k,3]<-mean(na.omit(as.numeric(temp[((k-1)*10+1):k*10,3])))
}

然而，这段代码的效率太低了。 还有一个问题。由于某些数据缺失，时间变量不总是连续的。我必须计算每个真实10分钟的数据（例如从2014年1月1日00:00到2014年1月1日00:10），无论这10分钟内有多少个观测值。因此循环进入到

  tmp<-na.omit(temp[temp[,2]>(st+600*(k-1)) & temp[,2]<=(st+600*k),])
  temp2[k,1]<-tmp[1,1]
  temp2[k,2]<-st+600*k
  temp2[k,3]<-mean(na.omit(as.numeric(tmp[,3])))

这是不可承受的。它不能有效地处理类似“某些月份缺失”的情况。那么，在效率不低的情况下，我该如何在R中解决这个问题呢？

原始数据：

Time  Var1
2014-01-01 00:01  10
2014-01-01 00:02  12
2014-01-01 00:03  43

...
2014-01-01 00:10  52

期望输出：

Time  Var1
2014-01-01 00:10  (mean of every 10 mins)
2014-01-01 00:20  (mean of every 10 mins)
...

- GemOfRoe

---

你能提供一些数据和期望的输出吗？ - DatamineR

你需要使用 dput() 函数将数据的一个经过编辑的子集转储出来。可以查看 zoo::rollmean() 函数和 tseries 包。 - smci

Answer 1

看一下xts包，特别是使用endpoints的period.apply函数。

假设你可以将数据作为一个xts对象获取（在这种情况下称为xt.data），那么以下内容将起作用。

# example data
times <- seq(Sys.time()-50000,Sys.time(),by=60)
mydt <- data.frame(time = times[sample(seq_along(times),size=300)], test = runif(300)) 
xt.data <- as.xts(mydt[,2], order.by= mydt[['time']])

period.apply(xt.data, endpoints(xt.data,'minutes',10),mean)

- mnel

Answer 2

请看一下?cut.POSIXt、?seq.POSIXt和round.POSIXt。 cut 和 seq 函数允许将间隔设置为"10 min"。但很遗憾，round函数似乎没有这个不错的功能。您可以乘以10，四舍五入到最近的“min”，然后再除以10，但我还没有尝试过。

- IRTFM

Answer 3

如果您记住有一种名为POSIXlt的时间格式，它使得操作每个组件变得轻松，则相对容易。我在这里所做的是使用POSIXct格式读取数据（因为您无法使用POSIXlt进行读取），将其转换为POSIXlt，然后按照10分钟的组进行分组，再进行转换并聚合。这应该运行得非常快速。

dat <- read.table(text = 'time, y
                          2014-01-01 00:01, 10
                          2014-01-01 00:02, 12
                          2014-01-01 00:22, 43', 
                          header = TRUE, sep = ',', colClasses = c('POSIXct', 'numeric'))
dat$time <- as.POSIXlt(dat$time)
dat$time[[2]] <- floor(dat$time[[2]] / 10) * 10
dat$time <- as.POSIXct(dat$time)
aggregate(y ~ time, data = dat, mean)

作为旁注，你说的是每10分钟替换一次，而不是聚合。在这种情况下，聚合行将变成：

y$time <- ave(y, time)

如果您想保留原始时间和所有其他数据，但只是通过10分钟的平均值进行替换，您可以在read.table之后用以下内容替换：

dat$time <- as.POSIXlt(dat$time)
g <- floor(dat$time[[2]] / 10) * 10
dat$y <- ave(y, g)

- John