获取按小时分组的计数答案

【问题标题】：Getting counts grouped by hour获取按小时分组的计数
【发布时间】：2020-03-08 00:05:16
【问题描述】：

我想获取每种类型的每小时计数（version1 和 version2）。

样本数据：

type <- c('version1','version1','version1','version2','version2')

startdate <- as.POSIXct(c('2017-11-1 02:11:02.000','2018-3-25 02:13:02.000','2019-3-14 03:45:02.000', 

                            '2017-3-14 02:55:02.000','2018-3-14 03:45:02.000'))


df <- data.frame(type, startdate)

df

      type           startdate
1 version1 2017-11-01 02:11:02
2 version1 2018-03-25 02:13:02
3 version1 2019-03-14 03:45:02
4 version2 2017-03-14 02:55:02
5 version2 2018-03-14 03:45:02

在这个df 中，我们看到version1 有两个02h 计数和一个03h 计数。

而version2 02h 有一个计数，03h 有一个计数。

期望的输出：

   hour version1 version2
1 00:00        0        0
2 01:00        0        0
3 02:00        2        1
4 03:00        1        1

【问题讨论】：

标签： r dplyr time-series aggregate tidyverse

【解决方案1】：

我们可以首先从startdate、count 每小时的行数和type 中获取小时数。 complete 缺少小时数并将其计数填充为 0 并使用 pivot_wider 获取宽格式数据。

library(dplyr)
library(tidyr)

df %>%
  mutate(hr = lubridate::hour(startdate)) %>%
  count(hr, type) %>%
  complete(type, hr = seq(0, max(hr)), fill = list(n = 0)) %>%
  pivot_wider(names_from = type, values_from = n)

# A tibble: 4 x 3
#     hr version1 version2
#  <int>    <dbl>    <dbl>
#1     0        0        0
#2     1        0        0
#3     2        2        1
#4     3        1        1

【讨论】：

感谢您的帮助！面临一个小问题...收到关于pivot_wider() 的错误：could not find function "pivot_wider" 我安装了tidyr，不知道这里可能出了什么问题。再次感谢！
@apples-oranges 它在tidyr 的较新版本中可用，您需要使用install.packages("tidyr") 安装它。如果您使用的是旧版本，请改用spread。 df %>% mutate(hr = lubridate::hour(startdate)) %>% count(hr, type) %>% complete(type, hr = seq(0, max(hr)), fill = list(n = 0)) %>% spread(type, n)

【解决方案2】：

您的开始日期变量有问题。因此，我使用包lubridate

进行了设置

library(dplyr)
library(tidyr)

type = c('version1','version1','version1','version2','version2')

startdate = lubridate::ymd_hms(c('2017-11-1T02:11:02.000','2018-3-25T02:13:02.000',
                                 '2019-3-14T03:45:02.000','2017-3-14T02:55:02.000',
                                 '2018-3-14T03:45:02.000'))

tibble(type = type, startdate = startdate) %>%
  count(type, hour = lubridate::hour(startdate)) %>%
  spread(type, n)

# A tibble: 2 x 3
   hour version1 version2
  <int>    <int>    <int>
1     2        2        1
2     3        1        1

【讨论】：

【解决方案3】：

基础 R 解决方案：

# Extract the hour and store it as a vector: 

df$hour <- gsub(".* ", "", trunc(df$startdate, units = "hours"))

# Count the number of observations of each type in each hour: 

df$type_hour_cnt <- with(df,

                        ave(paste(type, hour, sep = " - "),

                            paste(type, hour, sep = " - "), FUN = seq_along))

# Reshape dataframe: 

df <- as.data.frame(as.matrix(xtabs(type_hour_cnt ~ hour + type, df, sparse = T)))

# Extract rownames and store them as "hour" vector and then delete row.names: 

df <- data.frame(cbind(hour = row.names(df), df), row.names = NULL)

【讨论】：