处理R中每秒的时间序列数据

我的数据如下所示：

# Data Sample
Time                Price    V1           Time2 V2
2016-06-20 05:09:44 2086.50   1 05:09:44.284670 -1
2016-06-20 05:09:45 2086.75   5 05:09:45.212413  1
2016-06-20 05:09:45 2086.75  10 05:09:45.212413  1
2016-06-20 05:09:45 2086.75   1 05:09:45.212413  1
2016-06-20 05:09:46 2086.75   1 05:09:46.745124  1
2016-06-20 05:09:46 2086.75   1 05:09:46.745124  1
2016-06-20 05:09:46 2086.75   1 05:09:46.819954  1
2016-06-20 05:09:49 2086.75   1 05:09:49.279392  1
2016-06-20 05:09:49 2086.75   1 05:09:49.279392  1
2016-06-20 05:09:49 2086.75   1 05:09:49.352346  1
2016-06-20 05:09:49 2086.50   2 05:09:49.964023 -1
2016-06-20 05:09:49 2086.50   1 05:09:49.964023 -1
2016-06-20 05:09:55 2086.50   1 05:09:55.343324 -1
2016-06-20 05:09:57 2086.75   1 05:09:57.551886  1
2016-06-20 05:09:57 2086.75   1 05:09:57.650549  1
2016-06-20 05:09:57 2086.75   1 05:09:57.654352  1
2016-06-20 05:09:57 2086.75   1 05:09:57.654352  1
2016-06-20 05:09:57 2086.75   1 05:09:57.726578  1

我想清理数据，以便在每秒钟内对所有V1求和。 因此，我期望的输出如下所示：

# Desired Example
Time                V1    
2016-06-20 05:09:44  1 
2016-06-20 05:09:45 16
2016-06-20 05:09:46  3
2016-06-20 05:09:47  0
2016-06-20 05:09:48  0
2016-06-20 05:09:49  6
2016-06-20 05:09:50  0
2016-06-20 05:09:51  0
2016-06-20 05:09:52  0
2016-06-20 05:09:53  0
2016-06-20 05:09:54  0
2016-06-20 05:09:55  1
2016-06-20 05:09:56  0
2016-06-20 05:09:57  5

我将“时间”列转换为字符，将它们拆分并在列表中处理。然而，数据非常大，计算时间太长。有没有办法通过动物园里的一些活动来做到这一点

以下是使用dput的类似数据集：

结构（列表V3=c（2086.5、2086.75、2086.75、2086.75、2086.75、， 2086.75, 2086.75, 2086.75, 2086.75, 2086.75, 2086.75, 2086.75, 2086.75, 2086.75, 2086.75, 2086.75, 2086.75, 2086.75, 2086.75, 2086.5, 2086.5, 2086.5, 2086.5, 2086.5, 2086.75, 2086.75, 2086.75, 2086.75, 2086.75, 2086.75, 2086.75, 2086.5, 2086.5, 2086.5, 2086.5, 2086.5, 2086.5, 2086.5, 2086.5, 2086.5, 2086.5, 2086.5, 2086.5, 2086.5, 2086.75, 2086.75, 2086.75, 2086.75, 2086.75, 2086.75), V4=c（1L、5L、10L、1L、6L、8L、1L、4L、6L、2L、8L、2L、2L、， 1L，1L，1L，1L，1L，1L，2L，1L，2L，1L，1L，1L，1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，2L，1L，8L，1L，1L，1L，1L，1L，4L， 2L，1L，1L，1L，1L，1L，1L），V6=c（“05:09:44.284670”，“05:09:45.212413”， "05:09:45.212413", "05:09:45.212413", "05:09:45.212413", "05:09:45.299104", "05:09:45.299104", "05:09:45.301513", "05:09:45.301513", "05:09:45.389110", "05:09:45.392840", "05:09:45.475688", "05:09:45.543980", "05:09:46.745124", "05:09:46.745124", "05:09:46.819954", "05:09:49.279392", "05:09:49.279392", "05:09:49.352346", "05:09:49.964023", "05:09:49.964023", "05:09:49.964023", "05:09:49.964023", "05:09:55.343324", "05:09:57.551886", "05:09:57.650549", "05:09:57.654352", "05:09:57.654352", "05:09:57.726578", "05:09:57.728848", "05:09:58.286788", "05:10:00.390708", "05:10:00.473617", "05:10:00.494903", "05:10:00.564042", "05:10:08.24907", "05:10:09.633247", "05:10:09.633247", "05:10:09.633247", "05:10:09.633247", "05:10:09.633247", "05:10:09.633247", "05:10:09.633247", "05:10:09.633247", "05:10:09.830544", "05:10:09.924001", "05:10:09.924001", "05:10:09.924001", “05:10:09.924001”，“05:10:09.924001”），V7=c（-1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 1L，-1L，-1L，-1L，-1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， -1L，-1L，-1L，-1L，-1L，-1L，-1L，-1L，-1L，-1L，-1L，-1L，-1L， -1L，1L，1L，1L，1L，1L，1L），名称=c（“V3”，“V4”，“V6”，

---

“V7”），row.names=c（NA，50L），class=“data.frame”）

数据。表格的速度非常快。尝试：

library(data.table)
library(lubridate)

mydata<-data.table(mydata)
mydata$Time<-ymd_hms(mydata$Time)
setkey(mydata, Time)

mydata.summed<-mydata[, .(V1 = sum(V1)), by = Time] # sums by each second

mydata2<-data.table(Time = seq(min(mydata$Time), max(mydata$Time), by = 1))
#create a new data.table to fill in the seconds you do not have values for

mydata<-mydata.summed[mydata2]
#merge them. see ?data.table for more information here

mydata[is.na(mydata)]<-0
#change the NAs that were created by the merge to 0

head(mydata, 10)

                  Time V1
1: 2016-06-20 05:09:44  1
2: 2016-06-20 05:09:45 16
3: 2016-06-20 05:09:46  3
4: 2016-06-20 05:09:47  0
5: 2016-06-20 05:09:48  0
6: 2016-06-20 05:09:49  6
7: 2016-06-20 05:09:50  0
8: 2016-06-20 05:09:51  0
9: 2016-06-20 05:09:52  0
10: 2016-06-20 05:09:53  0

库（data.table）
图书馆（lubridate）
我的数据是不是
df%>%group\u by（Time）%>%summary（V1\u new=sum（V1））
不够快？我用R来实现这一点。这是R吗？是的，我应该提到。使用
dplyr
软件包。如果使用
dput
表示数据，您会得到更好的答案。您所需的输出添加了以前没有的元素，例如，
2016-06-20 05:09:47
。是否要求增加这些时间？