Fatal编程技术网
  • r/
  • R 添加非事件的时间序列插值

R 添加非事件的时间序列插值

r

R 添加非事件的时间序列插值,r,time-series,interpolation,R,Time Series,Interpolation,我对R有一个陡峭的学习曲线，我真的需要一些关于如何对时间序列进行排序和插值的指针。有些输出将与时间相关联，有些输出（如事件）将需要填写为空白。最后，我想针对与时间/日期相关的各种变量建立一个二项回归模型 doy time start end blk Age Event 186 04:17 04:00 07:00 1 13 1 186 04:22 04:00 07:00 1 13 1 186 04:23 0

我对R有一个陡峭的学习曲线，我真的需要一些关于如何对时间序列进行排序和插值的指针。有些输出将与时间相关联，有些输出（如事件）将需要填写为空白。最后，我想针对与时间/日期相关的各种变量建立一个二项回归模型

    doy time    start   end    blk  Age Event

    186 04:17   04:00   07:00   1   13  1
    186 04:22   04:00   07:00   1   13  1
    186 04:23   04:00   07:00   1   13  1
    186 04:25   04:00   07:00   1   7   1
    186 04:27   04:00   07:00   1   13  1
    186 04:28   04:00   07:00   1   13  1
数据是在三个月内观察到的，因此一年中的日期doy随列数据的进一步变化而变化

    doy time    start   end    blk  Age Event

    186 04:17   04:00   07:00   1   13  1
    186 04:22   04:00   07:00   1   13  1
    186 04:23   04:00   07:00   1   13  1
    186 04:25   04:00   07:00   1   7   1
    186 04:27   04:00   07:00   1   13  1
    186 04:28   04:00   07:00   1   13  1
基本上需要填写非事件并添加绑定数据

    doy time    start   end    blk  Age Event

    186 04:17   04:00   07:00   1   13  1
    186 04:22   04:00   07:00   1   13  1
    186 04:23   04:00   07:00   1   13  1
    186 04:25   04:00   07:00   1   7   1
    186 04:27   04:00   07:00   1   13  1
    186 04:28   04:00   07:00   1   13  1
数据示例如下所示

    doy time    start   end    blk  Age Event

    186 04:17   04:00   07:00   1   13  1
    186 04:22   04:00   07:00   1   13  1
    186 04:23   04:00   07:00   1   13  1
    186 04:25   04:00   07:00   1   7   1
    186 04:27   04:00   07:00   1   13  1
    186 04:28   04:00   07:00   1   13  1
我希望5分钟的例子的最终结果是这样的

    doy time    start   end    blk  Age Event

    186 04:17   04:00   07:00   1   13  1
    186 04:22   04:00   07:00   1   13  1
    186 04:23   04:00   07:00   1   13  1
    186 04:25   04:00   07:00   1   7   1
    186 04:27   04:00   07:00   1   13  1
    186 04:28   04:00   07:00   1   13  1

    doy time        start   end   blk   Age Event
    186 04:00-04:05 04:00   07:00   1   13  0
    186 04:05-04:10 04:00   07:00   1   13  0
    186 04:10-04:15 04:00   07:00   1   13  0
    186 04:15-04:20 04:00   07:00   1   13  1
    186 04:20-04:25 04:00   07:00   1   13  2
    186 04:25-04:30 04:00   07:00   1   13  3
如果能在一个代码上获得一些指导，这将是一件非常棒的事情，这样我就可以适应包含其余的数据了

我并不真正理解你的问题，但是如果你打算执行生存分析，你可能会发现生存包很有用。这允许您执行数据的lexis扩展，类似于Stata中的stsplit函数。感谢用户2633645-该事件是一个“馈送”海鸟。。资源调配率，而不是生存率。我想用时间/潮汐/气候/天气/鸡龄等因素来建模。我不擅长这一点，但生存分析不必是死亡时间或从集合中移除，它也可以是数据集中每个个体发生多个事件的事件率。我本以为喂食率之类的东西比二项式发生/未发生更好地建模为事件发生时间的泊松分布。太好了，我将探究这个根源。我们已经开始沿着二项式路径查看数据，因为数据不会正常化，所以“发生/未发生”似乎是一种合理的查看方式。再次感谢用户2633645将日期和时间转换为POSIXct。然后创建一个event.group变量，其中cut.POSIXct带breaks=seq.POSIXctmintime，maxtime，by=5分钟。然后聚合。 
    doy time    start   end    blk  Age Event

    186 04:17   04:00   07:00   1   13  1
    186 04:22   04:00   07:00   1   13  1
    186 04:23   04:00   07:00   1   13  1
    186 04:25   04:00   07:00   1   7   1
    186 04:27   04:00   07:00   1   13  1
    186 04:28   04:00   07:00   1   13  1