如何通过对时间值应用条件来计算R中数据帧的聚合统计信息？

我在做气候数据分析。在R中加载文件后，我的兴趣是根据一天中的小时数对数据进行子集

对于时间分析，如果我们的兴趣是处理小时数，我们可以使用$hour和存储时间向量的变量

我想将一天中每小时的数据子集为365天，然后在一年中的某个特定时间取数据的平均值。假设我有兴趣在12:OO PM取一年的辐射/风速等值，然后取这些值的平均值，以获得所需的结果

我知道如何根据条件对数据帧进行子集划分。例如，如果我的数据在一个叫做data的矩阵中，包含两行，比如说时间和风速，我感兴趣的是辐照B不为零的数据子集行。我们可以使用以下代码来实现这一点

my_data <- subset(data, data[,1]>0)

my_数据0）

但是现在为了处理时间列中的小时值，时间列是存储在数据中的一个变量，如何对时间值进行子集

我的数据如下所示：

我希望我在这个问题上讲得有道理

---

提前谢谢

这里有一个可能的解决方案。您可以使用

格式（df$time，'%H'）

创建一个小时分组，因此我们只获得每个时段的小时数，然后我们可以简单地按此新列分组，并计算每组的平均值

df = data.frame(time=seq(Sys.time(),Sys.time()+2*60*60*24,by='hour'),val=sample(seq(5),49,replace=T))

library(dplyr)

df %>% mutate(hour=format(df$time,'%H')) %>%
  group_by(hour) %>%
  summarize(mean_val = mean(val))

要首先对非零值进行子集划分，可以执行以下操作之一：

df = subset(df,val!=0)

或使用以下命令启动dplyr链：

df %>% filter(df$val!=0)

希望这有帮助

---

df

如下所示：

                  time val
1  2018-01-31 12:43:33   4
2  2018-01-31 13:43:33   2
3  2018-01-31 14:43:33   2
4  2018-01-31 15:43:33   3
5  2018-01-31 16:43:33   3
6  2018-01-31 17:43:33   1
7  2018-01-31 18:43:33   2
8  2018-01-31 19:43:33   4
...    ...       ...     ...

以及输出：

# A tibble: 24 x 2
   hour  mean_val
   <chr>    <dbl>
 1 00        3.50
 2 01        3.50
 3 02        4.00
 4 03        2.50
 5 04        3.00
 6 05        2.00
 ....        ....

#一个tible:24 x 2
小时平均值
1 00        3.50
2 01        3.50
3 02        4.00
4 03        2.50
5 04        3.00
6 05        2.00
....        ....

---

这假设您的

time

列已经是类

POSIXct

，否则您必须首先使用例如

as.POSIXct（x，格式=“%Y-%m-%d%H:%m:%S”）将其转换为类。

谢谢您的回复。有没有使用subset（）函数的方法？正如我提到的？@Jawairia，是的，我添加了两种可能的选择。希望有帮助！