使用 tidyverse 对大型时间序列数据集有条件地聚合列答案

【问题标题】：conditionally aggregate columns using tidyverse for large time series dataset使用 tidyverse 对大型时间序列数据集有条件地聚合列
【发布时间】：2019-07-13 06:32:27
【问题描述】：

在查看了其他一些问题并阅读了一些指南后，我无法找到适合我的具体问题的解决方案。这是开始的数据示例：

data <- data.frame(
        Date = sample(c("1993-07-05", "1993-07-05", "1993-07-05", "1993-08-30", "1993-08-30", "1993-08-30", "1993-08-30", "1993-09-04", "1993-09-04")),
        Site = sample(c("1", "1", "1", "1", "1", "1", "1", "1", "1")),
        Station = sample(c("1", "2", "3", "1", "2", "3", "4", "1", "2")),   
        Oxygen = sample(c("0.9", "0.4", "4.2", "5.6", "7.3", "4.3", "9.5", "5.3", "0.3")))

我想对嵌套在与日期相对应的站点内的站点的所有氧气值进行平均。我的数据集有几千行，就像在示例中一样，站的数量是奇数，并且日期的长度是不均匀的。

我正在寻找的输出是“日期 -> 站点 -> 平均氧气”之类的列，在新版本的时间序列中完全不需要站列。

任何帮助将不胜感激！

【问题讨论】：

标签： r dplyr time-series tidyverse

【解决方案1】：

按“Site”、“Date”分组后，得到“Oxygen”的mean（转换为numeric后——即factor列）

library(tidyverse)
data %>%
   group_by(Site, Date) %>% 
   summarise(AverageOxygen = mean(as.numeric(as.character(Oxygen))))
# A tibble: 3 x 3
# Groups:   Site [1]
#  Site  Date       AverageOxygen
#  <fct> <fct>              <dbl>
#1 1     1993-07-05          3.97
#2 1     1993-08-30          5.2 
#3 1     1993-09-04          2.55

【讨论】：

嗨，我只是在检查数学，似乎值不正确？对于“1993-07-05”，当天的站 1、2、3 的平均值为 1.83。我认为代码没有考虑到站也对应于日期？
@SecretBeach。您有一个 sample 数据而没有 set.seed。所以你的数据可能与我的不同
哦，原来如此。谢谢！

【解决方案2】：

试试：

library(hablar)
library(tidyverse)

data %>% 
  retype() %>% 
  group_by(Site, Date) %>% 
  summarize(AverageOxygen = mean(Oxygen))

给你：

# A tibble: 3 x 3
# Groups:   Site [?]
   Site Date       AverageOxygen
  <int> <date>             <dbl>
1     1 1993-07-05          4.7 
2     1 1993-08-30          3.55
3     1 1993-09-04          4.75

【讨论】：

嗨，我只是在检查数学，似乎值不正确？对于“1993-07-05”，当天的站 1、2、3 的平均值为 1.83。我认为代码没有考虑到站也对应于日期？