R中具有不同长度时间序列的散点图答案

【问题标题】：Scatterplot with time series of different length in RR中具有不同长度时间序列的散点图
【发布时间】：2017-06-15 19:17:54
【问题描述】：

我是这个论坛的新手，所以如果我在第一次开始时没有正确回答我的问题，请原谅。我在论坛中进行了研究以找到我的问题的答案，但还没有找到合适的解决方案。
我正在尝试使用线性回归和散点图比较两个时间序列。时间序列应该每 2 分钟进行一次测量，但在现实生活中，有时数据记录器根本不写入值，有时仅在 3 分钟后才写入值。所以我试图找到所有具有相同时间戳的对 (x,y) 并消除其余的。

             Time           x
1    2016-08-15 09:58:00  2.7421  
2    2016-08-15 10:02:00  2.7731  
3    2016-08-15 10:04:00  2.7603  
4    2016-08-15 10:06:00  2.7426  
5    2016-08-15 10:08:00  2.7481  
6    2016-08-15 10:10:00  2.7294  
7    2016-08-15 10:12:00  2.7428  
8    2016-08-15 10:15:00  2.7371  
9    2016-08-15 10:16:00  2.7677  
10   2016-08-15 10:18:00  2.7449 



           Time            y
1    2016-08-15 10:00:00  1.3656  
2    2016-08-15 10:02:00  1.3680  
3    2016-08-15 10:04:00  1.3785  
4    2016-08-15 10:06:00  1.3819  
5    2016-08-15 10:08:00  1.3720  
6    2016-08-15 10:10:00  1.3702  
7    2016-08-15 10:12:00  1.3550  
8    2016-08-15 10:14:00  1.3696  
9    2016-08-15 10:16:00  1.3603  
10   2016-08-15 10:18:00  1.3813

在此示例中，应消除 1 和 8 的值。

【问题讨论】：

标签： r datetime

【解决方案1】：

带散点图：

ndf = merge(df1, df2, by = "Time", all = FALSE)

p = ggplot(ndf, aes(x, y)) +
  geom_point(colour = "red", size = 2)

p

【讨论】：

谢谢！这对我有用。值得一提的是，这仅适用于日期的 POSIXct 格式，而不适用于 POSIXlt 格式。

【解决方案2】：

    > library(lubridate)

Attaching package: ‘lubridate’

The following object is masked from ‘package:base’:

    date


> df1$Time=mdy_hm(paste(df1$Time))
> df1
                  Time      x
1  2016-08-15 09:58:00 2.7421
2  2016-08-15 10:02:00 2.7731
3  2016-08-15 10:04:00 2.7603
4  2016-08-15 10:06:00 2.7426
5  2016-08-15 10:08:00 2.7481
6  2016-08-15 10:10:00 2.7294
7  2016-08-15 10:12:00 2.7428
8  2016-08-15 10:15:00 2.7371
9  2016-08-15 10:16:00 2.7677
10 2016-08-15 10:18:00 2.7449

> df2$Time=mdy_hm(paste(df2$Time))
> df2
                  Time      y
1  2016-08-15 10:00:00 1.3656
2  2016-08-15 10:02:00 1.3680
3  2016-08-15 10:04:00 1.3785
4  2016-08-15 10:06:00 1.3819
5  2016-08-15 10:08:00 1.3720
6  2016-08-15 10:10:00 1.3702
7  2016-08-15 10:12:00 1.3550
8  2016-08-15 10:14:00 1.3696
9  2016-08-15 10:16:00 1.3603
10 2016-08-15 10:18:00 1.3813


> merge(df1,df2,by="Time")
                     Time      x      y
    1 2016-08-15 10:02:00 2.7731 1.3680
    2 2016-08-15 10:04:00 2.7603 1.3785
    3 2016-08-15 10:06:00 2.7426 1.3819
    4 2016-08-15 10:08:00 2.7481 1.3720
    5 2016-08-15 10:10:00 2.7294 1.3702
    6 2016-08-15 10:12:00 2.7428 1.3550
    7 2016-08-15 10:16:00 2.7677 1.3603
    8 2016-08-15 10:18:00 2.7449 1.3813

【讨论】：