R:按时间间隔拆分观察值并将其聚合到时间间隔
在某些地区(名称)的不同观测点(obs)都有鸟类观测。采用了开始和结束时间,并使用校正系数重新计算了时差(diff_corr),因此它不仅仅是开始-结束间隔的R:按时间间隔拆分观察值并将其聚合到时间间隔,r,time,intervals,R,Time,Intervals,在某些地区(名称)的不同观测点(obs)都有鸟类观测。采用了开始和结束时间,并使用校正系数重新计算了时差(diff_corr),因此它不仅仅是开始-结束间隔的difftime 现在,我需要将这些值“拆分”为“良好”间隔(15分钟,例如10:15:00、10:30:00,…),然后按面积进行聚合(name),以便能够在这些干净的15分钟间隔内绘制出这些区域上鸟类的分布图 所以,让它更清楚一点:一个观测可能从10:14开始,一直持续到10:25,所以它跨越了10:00-10:15和10:15-10:
difftime
现在,我需要将这些值“拆分”为“良好”间隔(15分钟,例如10:15:00、10:30:00,…),然后按面积进行聚合(name),以便能够在这些干净的15分钟间隔内绘制出这些区域上鸟类的分布图
所以,让它更清楚一点:一个观测可能从10:14开始,一直持续到10:25,所以它跨越了10:00-10:15和10:15-10:30的间隔,所以我得到的值应该被分割,并根据它们在该间隔中的部分相应地分配给适当的间隔
在更复杂的设置中,一个观测值可能跨越3或4个间隔,因此该值也必须相应地拆分
最后一步是将每个间隔的所有观察部分汇总并绘制它们
我已经搜索了几天的解决方案,但只找到了非常简单的示例,其中间隔用cut
和breaks
重新排列,但没有示例如何处理相关值,而是简单的频率计数
示例数据:
structure(list(obs = structure(c(2L, 2L, 2L, 2L, 2L, 2L, 2L,
2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = c("b",
"C2", "Dürnberg2"), class = "factor"), name = c("C2", "C2",
"C2", "C2", "C2", "C2", "C2", "C2", "C2", "b", "981", "1627",
"b", "b", "981", "1627", "b", "b", "b", "b"), start = structure(c(1495441500,
1495441590, 1495441650, 1495441680, 1495447380, 1495447410, 1495447530,
1495447560, 1495447580, 1496996580, 1496996580, 1496996580, 1496996760,
1496996820, 1496996820, 1496996820, 1496997180, 1496997300, 1496997420,
1496998260), class = c("POSIXct", "POSIXt"), tzone = ""), end = structure(c(1495441590,
1495441650, 1495441680, 1495441800, 1495447410, 1495447530, 1495447560,
1495447580, 1495447620, 1496996760, 1496996760, 1496996760, 1496996820,
1496997180, 1496997180, 1496997180, 1496997300, 1496997420, 1496997540,
1496998320), class = c("POSIXct", "POSIXt"), tzone = ""), diff_corr = c(1.46739130434783,
0.978260869565217, 0.489130434782609, 1.95652173913043, 0.489130434782609,
1.95652173913043, 0.489130434782609, 0.326086956521739, 0.652173913043478,
2.96703296703297, 2.96703296703297, 2.96703296703297, 0.989010989010989,
5.93406593406593, 5.93406593406593, 5.93406593406593, 1.97802197802198,
1.97802197802198, 1.97802197802198, 0.989010989010989)), .Names = c("obs",
"name", "start", "end", "diff_corr"), row.names = c("1", "9",
"7", "8", "3", "2", "4", "5", "6", "13", "13.1", "13.2", "22",
"11", "11.1", "11.2", "12", "23", "15", "16"), class = "data.frame")
p、 我真的很难恰当地说出我的问题,所以任何提示(不仅仅是关于这个)都非常感谢
一个小例子的新尝试:
将值按比例分配给间隔(然后将相等间隔相加)
这是缓慢和笨重的,但可能是有益的。按名称和15分钟间隔计算计数和加权差值和:
library(dplyr)
range <- seq.POSIXt(min(df$start)-(15*60), max(df$end)+(15*60), by = "15 min")
df$totalDuration <- as.numeric(as.difftime(df$end-df$start),units=c("secs"))
out <- NULL
for (r in 1:length(range)){
subset <- df %>% filter( (start >= (range[r]-(15*60)) & start<range[r]) |
(end>= (range[r]-(15*60)) & end<range[r] ) |
(end > range[r] & start < range[r])) %>%
mutate(bin=range[r],
duration = ifelse(start>=(range[r]-(15*60)) & end<range[r],totalDuration,
ifelse(start>=(range[r]-(15*60)),as.numeric(as.difftime(range[r]-start),units="secs"),
ifelse(end<range[r],
as.numeric(as.difftime(end-(range[r]-(15*60))),units="secs"),
as.numeric(as.difftime(range[r]-(range[r]-(15*60))),units="secs")
)))
) %>%
mutate (diff_corr_W = diff_corr*(duration/as.double(totalDuration, units='secs'))) %>%
group_by(bin,name) %>% summarise(count=n(),
diff_corr_sum = sum(diff_corr_W)) %>% ungroup()
if (is.null(out)){
out <- subset
} else {
out <- rbind(out,subset)
}
}
> out
# A tibble: 9 x 4
bin name count diff_corr_sum
* <dttm> <chr> <int> <dbl>
1 2017-05-22 04:40:00 C2 4 4.891304
2 2017-05-22 06:10:00 C2 5 3.913043
3 2017-06-09 04:25:00 1627 1 1.978022
4 2017-06-09 04:25:00 981 1 1.978022
5 2017-06-09 04:25:00 b 1 1.978022
6 2017-06-09 04:40:00 1627 2 6.923077
7 2017-06-09 04:40:00 981 2 6.923077
8 2017-06-09 04:40:00 b 6 13.846154
9 2017-06-09 04:55:00 b 1 0.989011
库(dplyr)
range=(range[r]-(15*60))&end=(range[r]-(15*60)),as.numeric(as.difftime(range[r]-start),units=“secs”),
如果其他(结束%
变异(diff_corr_W=diff_corr*(持续时间/as.double(totalDuration,units='secs')))%>%
分组依据(bin,name)%>%汇总(count=n(),
diff_corr_sum=sum(diff_corr_W))%>%ungroup()
if(is.null(out)){
out这是一个缓慢而笨拙的过程,但可能会有所帮助。按名称和15分钟间隔计算计数和加权差值和:
library(dplyr)
range <- seq.POSIXt(min(df$start)-(15*60), max(df$end)+(15*60), by = "15 min")
df$totalDuration <- as.numeric(as.difftime(df$end-df$start),units=c("secs"))
out <- NULL
for (r in 1:length(range)){
subset <- df %>% filter( (start >= (range[r]-(15*60)) & start<range[r]) |
(end>= (range[r]-(15*60)) & end<range[r] ) |
(end > range[r] & start < range[r])) %>%
mutate(bin=range[r],
duration = ifelse(start>=(range[r]-(15*60)) & end<range[r],totalDuration,
ifelse(start>=(range[r]-(15*60)),as.numeric(as.difftime(range[r]-start),units="secs"),
ifelse(end<range[r],
as.numeric(as.difftime(end-(range[r]-(15*60))),units="secs"),
as.numeric(as.difftime(range[r]-(range[r]-(15*60))),units="secs")
)))
) %>%
mutate (diff_corr_W = diff_corr*(duration/as.double(totalDuration, units='secs'))) %>%
group_by(bin,name) %>% summarise(count=n(),
diff_corr_sum = sum(diff_corr_W)) %>% ungroup()
if (is.null(out)){
out <- subset
} else {
out <- rbind(out,subset)
}
}
> out
# A tibble: 9 x 4
bin name count diff_corr_sum
* <dttm> <chr> <int> <dbl>
1 2017-05-22 04:40:00 C2 4 4.891304
2 2017-05-22 06:10:00 C2 5 3.913043
3 2017-06-09 04:25:00 1627 1 1.978022
4 2017-06-09 04:25:00 981 1 1.978022
5 2017-06-09 04:25:00 b 1 1.978022
6 2017-06-09 04:40:00 1627 2 6.923077
7 2017-06-09 04:40:00 981 2 6.923077
8 2017-06-09 04:40:00 b 6 13.846154
9 2017-06-09 04:55:00 b 1 0.989011
库(dplyr)
range=(range[r]-(15*60))&end=(range[r]-(15*60)),as.numeric(as.difftime(range[r]-start),units=“secs”),
如果其他(结束%
变异(diff_corr_W=diff_corr*(持续时间/as.double(totalDuration,units='secs')))%>%
分组依据(bin,name)%>%汇总(count=n(),
diff_corr_sum=sum(diff_corr_W))%>%ungroup()
if(is.null(out)){
out这里有一个data.table
方法,它允许您使用SQL类型的查询对数据进行排序/筛选并执行操作
数据
> p
obs name start end diff_corr
1: C2 C2 2017-05-22 04:25:00 2017-05-22 04:26:30 1.4673913
2: C2 C2 2017-05-22 04:26:30 2017-05-22 04:27:30 0.9782609
3: C2 C2 2017-05-22 04:27:30 2017-05-22 04:28:00 0.4891304
4: C2 C2 2017-05-22 04:28:00 2017-05-22 04:30:00 1.9565217
5: C2 C2 2017-05-22 06:03:00 2017-05-22 06:03:30 0.4891304
6: C2 C2 2017-05-22 06:03:30 2017-05-22 06:05:30 1.9565217
7: C2 C2 2017-05-22 06:05:30 2017-05-22 06:06:00 0.4891304
8: C2 C2 2017-05-22 06:06:00 2017-05-22 06:06:20 0.3260870
9: C2 C2 2017-05-22 06:06:20 2017-05-22 06:07:00 0.6521739
10: b b 2017-06-09 04:23:00 2017-06-09 04:26:00 2.9670330
11: b 981 2017-06-09 04:23:00 2017-06-09 04:26:00 2.9670330
12: b 1627 2017-06-09 04:23:00 2017-06-09 04:26:00 2.9670330
13: b b 2017-06-09 04:26:00 2017-06-09 04:27:00 0.9890110
14: b b 2017-06-09 04:27:00 2017-06-09 04:33:00 5.9340659
15: b 981 2017-06-09 04:27:00 2017-06-09 04:33:00 5.9340659
16: b 1627 2017-06-09 04:27:00 2017-06-09 04:33:00 5.9340659
17: b b 2017-06-09 04:33:00 2017-06-09 04:35:00 1.9780220
18: b b 2017-06-09 04:35:00 2017-06-09 04:37:00 1.9780220
19: b b 2017-06-09 04:37:00 2017-06-09 04:39:00 1.9780220
20: b b 2017-06-09 04:51:00 2017-06-09 04:52:00 0.9890110
代码
library(data.table)
library(lubridate)
p <- as.data.table(p)
p[, .(new_diff = mean(diff_corr)), .(tme_start = round_date(start, unit = "15min"))]
数据表在做什么?
由于您不熟悉data.table
,下面是对正在发生的事情的快速、基本的描述。data.table
调用的一般形式是:
DT[select rows, perform operations, group by]
其中,DT
是数据表
名称。选择行
是一种逻辑操作,例如,假设您只需要对C2(名称)进行观察,调用将是DT[name==“C2”,]
不需要执行任何操作,也不需要分组。如果您想要所有名称==“C2”
,调用变为DT[name==“C2”,list(sum(diff_corr))]
。您可以使用(
)来代替编写list()
。现在,当name==“C2”时,输出将只有一行和一列名为V1
,这是所有diff_corr
的总和“
。该列没有太多信息,因此我们为其指定了一个名称(可以与旧的名称相同):DT[name==“C2”,(diff_corr_sum=sum(diff_corr))]
。假设您有另一个名为“mood”的列,其中报告了进行观察的人的情绪,并可以假设三个值(“高兴”、“悲伤”、“困倦”)。您可以按语气“分组:DT[name==“C2”,(diff_corr\u new=sum(diff_corr)),按=.(mood)]
。输出将是与每个情绪对应的三行和一列diff\u corr\u new
。要更好地理解这一点,请尝试使用类似mtcars
的示例数据集。您的示例数据没有足够的复杂性等,无法让您探索所有这些函数
返回答案-其他变体
从问题或注释中不清楚您是否要根据开始
或结束
进行取整。我使用了前者,但您可以更改。上面的示例使用平均值
,但您可以执行可能需要的任何其他操作。其他列似乎或多或少是冗余的,因为它们是字符串,您无法执行太多操作使用它们。您可以使用它们在by
条目(代码中的最后一个字段)中对结果进行进一步排序。下面是分别使用obs
和name
的两个示例。您也可以将它们组合在一起
> p[, .(new_diff = mean(diff_corr)), .(tme_start = round_date(start, unit = "15min"), obs)]
tme_start obs new_diff
1: 2017-05-22 04:30:00 C2 1.2228261
2: 2017-05-22 06:00:00 C2 0.7826087
3: 2017-06-09 04:30:00 b 3.3626374
4: 2017-06-09 04:45:00 b 0.9890110
> p[, .(new_diff = mean(diff_corr)), .(tme_start = round_date(start, unit = "15min"), name)]
tme_start name new_diff
1: 2017-05-22 04:30:00 C2 1.2228261
2: 2017-05-22 06:00:00 C2 0.7826087
3: 2017-06-09 04:30:00 b 2.6373626
4: 2017-06-09 04:30:00 981 4.4505495
5: 2017-06-09 04:30:00 1627 4.4505495
6: 2017-06-09 04:45:00 b 0.9890110
下面是一种data.table
方法,它允许您使用SQL类型的查询对数据进行排序/筛选并执行操作
数据
> p
obs name start end diff_corr
1: C2 C2 2017-05-22 04:25:00 2017-05-22 04:26:30 1.4673913
2: C2 C2 2017-05-22 04:26:30 2017-05-22 04:27:30 0.9782609
3: C2 C2 2017-05-22 04:27:30 2017-05-22 04:28:00 0.4891304
4: C2 C2 2017-05-22 04:28:00 2017-05-22 04:30:00 1.9565217
5: C2 C2 2017-05-22 06:03:00 2017-05-22 06:03:30 0.4891304
6: C2 C2 2017-05-22 06:03:30 2017-05-22 06:05:30 1.9565217
7: C2 C2 2017-05-22 06:05:30 2017-05-22 06:06:00 0.4891304
8: C2 C2 2017-05-22 06:06:00 2017-05-22 06:06:20 0.3260870
9: C2 C2 2017-05-22 06:06:20 2017-05-22 06:07:00 0.6521739
10: b b 2017-06-09 04:23:00 2017-06-09 04:26:00 2.9670330
11: b 981 2017-06-09 04:23:00 2017-06-09 04:26:00 2.9670330
12: b 1627 2017-06-09 04:23:00 2017-06-09 04:26:00 2.9670330
13: b b 2017-06-09 04:26:00 2017-06-09 04:27:00 0.9890110
14: b b 2017-06-09 04:27:00 2017-06-09 04:33:00 5.9340659
15: b 981 2017-06-09 04:27:00 2017-06-09 04:33:00 5.9340659
16: b 1627 2017-06-09 04:27:00 2017-06-09 04:33:00 5.9340659
17: b b 2017-06-09 04:33:00 2017-06-09 04:35:00 1.9780220
18: b b 2017-06-09 04:35:00 2017-06-09 04:37:00 1.9780220
19: b b 2017-06-09 04:37:00 2017-06-09 04:39:00 1.9780220
20: b b 2017-06-09 04:51:00 2017-06-09 04:52:00 0.9890110
代码
library(data.table)
library(lubridate)
p <- as.data.table(p)
p[, .(new_diff = mean(diff_corr)), .(tme_start = round_date(start, unit = "15min"))]
数据表在做什么?
由于您不熟悉data.table
,下面是对正在发生的事情的快速、基本的描述。data.table
调用的一般形式是:
DT[select rows, perform operations, group by]
其中,DT
是数据表
名称。选择行
是一种逻辑操作,例如,假设您只希望对C2(名称)进行观察,则调用将是DT[name==“C2”,]
没有操作r