在R中按月内的天分组数据答案

【问题标题】：Group data by group of days within months in R在R中按月内的天分组数据
【发布时间】：2019-09-21 10:36:48
【问题描述】：

我正在尝试按每个月内的 10 天时间组来总结这个每日降雨时间序列，并计算累积降雨量。

library(tidyverse)
(dat <- tibble(
  date = seq(as.Date("2016-01-01"), as.Date("2016-12-31"), by=1),
  rainfall = rgamma(length(date), shape=2, scale=2)))

因此，我将获得第三组沿年的变异性，例如：1 月第三个周期有 11 天，2 月有 9 天，以此类推。这是我的尝试：

library(lubridate)
dat %>% 
  group_by(decade=floor_date(date, "10 days")) %>%
  summarize(acum_rainfall=sum(rainfall), 
            days = n())

这是结果输出

# A tibble: 43 x 3
   decade     acum_rainfall  days
   <date>             <dbl> <int>
 1 2016-01-01         48.5     10
 2 2016-01-11         39.9     10
 3 2016-01-21         36.1     10
 4 2016-01-31          1.87     1
 5 2016-02-01         50.6     10
 6 2016-02-11         32.1     10
 7 2016-02-21         22.1      9
 8 2016-03-01         45.9     10
 9 2016-03-11         30.0     10
10 2016-03-21         42.4     10
# ... with 33 more rows

有人可以帮我将残差周期与第三个周期相加，以在每个月内始终获得 3 个周期吗？这将是所需的输出（注意第 3 行）：

   decade     acum_rainfall  days
   <date>             <dbl> <int>
 1 2016-01-01         48.5     10
 2 2016-01-11         39.9     10
 3 2016-01-21         37.97    11
 4 2016-02-01         50.6     10
 5 2016-02-11         32.1     10
 6 2016-02-21         22.1      9

【问题讨论】：

标签： r time-series lubridate

【解决方案1】：

一种方法是使用if_else 来应用floor_date 并根据date 的日期值使用不同的参数。如果day(date) = 30，则使用'20 days' 以确保它四舍五入到第 21 天：

dat %>% 
    group_by(decade=if_else(day(date) >= 30,
                            floor_date(date, "20 days"),
                            floor_date(date, "10 days"))) %>%
    summarize(acum_rainfall=sum(rainfall), 
              days = n())

# A tibble: 36 x 3
   decade     acum_rainfall  days
   <date>             <dbl> <int>
 1 2016-01-01          38.8    10
 2 2016-01-11          38.4    10
 3 2016-01-21          43.4    11
 4 2016-02-01          34.4    10
 5 2016-02-11          34.8    10
 6 2016-02-21          25.3     9
 7 2016-03-01          39.6    10
 8 2016-03-11          53.9    10
 9 2016-03-21          38.1    11
10 2016-04-01          36.6    10
# … with 26 more rows

【讨论】：