最小值、最大值、n个不同顶部/底部值的平均值,并将它们与时间序列数据一起绘制在R中的同一图形上
我正在处理一个带有unix时间戳的大型时间序列数据集(几乎有100K条记录)。我需要从最小值、最大值、n个不同顶部/底部值的平均值,并将它们与时间序列数据一起绘制在R中的同一图形上,r,ggplot2,statistics,time-series,R,Ggplot2,Statistics,Time Series,我正在处理一个带有unix时间戳的大型时间序列数据集(几乎有100K条记录)。我需要从值列中选择min、mean、max、avg\u of theu lower\u n、avg\u of theu top\u n。我可以得到min,mean,max如下: tapply(df$value, df$pattern, min) tapply(df$value, df$pattern, mean) tapply(df$value, df$pattern, max) 现在,我需要为每个模式(组)在另外两
值
列中选择min、mean、max、avg\u of theu lower\u n、avg\u of theu top\u n
。我可以得到min,mean,max
如下:
tapply(df$value, df$pattern, min)
tapply(df$value, df$pattern, mean)
tapply(df$value, df$pattern, max)
现在,我需要为每个模式(组)在另外两列中获得最低n个不同值
和最高n个不同值
的平均值
。我可以从下面得到最低和最高n的平均值(比如5个值)
,但我认为平均值不是由每组(模式)的不同5个值计算出来的,在这里我需要知道,我如何才能做到这一点
setDT(df_stat) #requires Data.table
df_n[order(value)][, list(mean_of_low_5=mean(value[1:5])), by=pattern]
df_n[order(-value)][, list(mean_of_top_5=mean(value[1:5])), by=pattern]
我们高度赞赏任何简单的方法
样本数据-
df <- structure(list(pattern = c(462L, 462L, 462L, 462L, 462L, 462L,
462L, 462L, 462L, 462L, 462L, 463L, 463L, 463L, 463L, 463L, 463L,
463L, 463L, 463L, 463L, 463L, 463L, 463L, 463L, 464L, 464L, 464L,
464L, 464L, 464L, 464L, 464L, 464L, 464L, 464L, 464L, 464L, 465L,
465L, 465L, 465L, 465L, 466L, 466L, 466L, 466L, 466L, 466L, 466L,
466L, 466L, 466L, 466L, 466L, 961L, 961L, 961L, 961L, 961L, 961L,
961L), value = c(5.8e+10, 4.35e+10, 3.96e+10, 3.6e+10, 3.48e+10,
3.3e+10, 3.3e+10, 3.3e+10, 3.3e+10, 3.3e+10, 3.3e+10, 1e+09,
1e+09, 1e+09, 1e+09, 1e+09, 1e+09, 1e+09, 1e+09, 1e+09, 1e+09,
1e+09, 1e+09, 1e+09, 1e+09, 3.3e+10, 3.3e+10, 3.3e+10, 3.3e+10,
3.3e+10, 3.3e+10, 3.3e+10, 3.3e+10, 3.3e+10, 3.3e+10, 3.3e+10,
3.3e+10, 3.3e+10, 3e+10, 3e+10, 3e+10, 3e+10, 3e+10, 3.3e+10,
3.3e+10, 3.3e+10, 3.3e+10, 3.3e+10, 3.3e+10, 3.3e+10, 3.3e+10,
3.3e+10, 3.2e+10, 3.2e+10, 3.2e+10, 2.6e+10, 2.6e+10, 2.6e+10,
2.6e+10, 2.6e+10, 2.6e+10, 2.6e+10), timestamp = c(1590604157L,
1590604157L, 1590604157L, 1590604157L, 1590604157L, 1590604157L,
1590604157L, 1590604157L, 1590604157L, 1590604157L, 1590604157L,
1590604170L, 1590604170L, 1590604170L, 1590604170L, 1590604170L,
1590604170L, 1590604170L, 1590604170L, 1590604170L, 1590604170L,
1590604170L, 1590604170L, 1590604170L, 1590604170L, 1590604213L,
1590604213L, 1590604213L, 1590604213L, 1590604213L, 1590604213L,
1590604213L, 1590604213L, 1590604213L, 1590604213L, 1590604213L,
1590604213L, 1590604213L, 1590604226L, 1590604226L, 1590604226L,
1590604226L, 1590604226L, 1590604239L, 1590604239L, 1590604239L,
1590604239L, 1590604239L, 1590604239L, 1590604239L, 1590604239L,
1590604239L, 1590604239L, 1590604239L, 1590604239L, 1590610895L,
1590610895L, 1590610895L, 1590610895L, 1590610895L, 1590610895L,
1590610895L)), class = "data.frame", row.names = c(NA, -62L))
df您可以使用dplyr
在一个管道中进行所有计算:
library(dplyr)
df %>%
group_by(pattern) %>%
summarise(min_val = min(value),
max_val = max(value),
mean_val = mean(value),
lowest_n_val = mean(head(unique(sort(value)), 5)),
highest_n_val = mean(tail(unique(sort(value)), 5)))
您可以添加na.rm=如果您的数据中有NA
,则上述所有函数均为TRUE。Perfect@RonakShah