从 R 中的 yyyy-mm-dd h:m 格式开始，将每小时数据聚合成每月数据

Question

我一直在积极寻找 R 中我的问题的解决方案，但没有找到任何可以解决我的问题的方法...

我有一份 R 报告要在 1 月初提交，使用的是 pepe memes 数据。我正在研究佩佩模因的价格，我的问题来了。我有yyyy-mm-dd h:m 格式的日期，我想将这些日期汇总为月度数据。我正在考虑首先制作一个新文件，我的时间戳格式为yyyy-mm，但我无法做到这一点。我在翻译成yyyy-mm-dd 格式时是成功的，但是当我想转到 yyyy-mm 格式时我真的遇到了问题。

所以，更清楚的是，这是我的两个问题：

• 如何将我的yyyy-mm-dd h:m 日期与每月数据的平均值汇总为每月日期（因此，格式为yyyy-mm）？

• 如果您不知道如何直接聚合日期，有没有人知道如何从 yyyy-mm-dd h:m 格式转到 yyyy-mm 格式？

这是我的数据集的一些行（只是一个摘要，它包含超过 250 行）：

   Timestamp           ForwardQuantity TotalPriceUSDPerUnit
------------------------------------------------------------
 1 2016-09-26 04:00:00               3                 3.44
 2 2016-09-26 04:00:00               7                 3.44
 3 2016-09-26 05:00:00               3                 3.39
 4 2016-09-26 05:00:00               1                 3.39
 5 2016-09-26 06:00:00               2                 3.39
 6 2016-09-26 13:00:00               4                 2.84
 7 2016-09-28 04:00:00               1                 2.88
 8 2016-09-28 04:00:00               1                 2.92
 9 2016-09-28 06:00:00               1                 2.92
10 2016-09-28 06:00:00               1                 2.92 

在此先多谢了，祝各位庆祝圣诞节愉快！

编辑：预期结果：

   Timestamp           Average price
 ------------------------------------
 1 2016-09               2.9981 

这里的平均价格是通过将上面的远期数量乘以它的相关价格得到的

编辑 2：dput(head(DatasHAIRPEPE3col, 10)) 的输出如下

    structure(list(Timestamp = structure(c(1474862400, 1474862400, 
1474866000, 1474866000, 1474869600, 1474894800, 1475035200, 1475035200, 
1475042400, 1475042400), class = c("POSIXct", "POSIXt"), tzone = "UTC"), 
    ForwardQuantity = c(3L, 7L, 3L, 1L, 2L, 4L, 1L, 1L, 1L, 1L
    ), TotalPriceUSDPerUnit = c(3.445, 3.445, 3.392, 3.392, 3.392, 
    2.8352, 2.8795, 2.9238, 2.9238, 2.9238)), row.names = c(NA, 
-10L), class = c("tbl_df", "tbl", "data.frame"))

Answer 1

使用末尾注释中可重复显示的数据

1) zoo 将数据转换为 zoo 对象，同时将其聚合到类 yearmon。这将给一个动物园对象Mean 每年/每月一个平均值。您可以使用它，也可以使用 fortify.zoo 将其转换为 data.frame。这个解决方案可能比下面的 (2) 更方便，因为我们直接将年/月表示为 yearmon 类对象，可以以逻辑方式绘制和操作。

library(zoo)
Mean <- read.zoo(DF, FUN = as.yearmon, aggregate = mean)
fortify.zoo(Mean)  # optional

给出这个数据框：

     Index     Mean
1 Sep 2016 3.406667

您现在可以进一步操作，例如像这样使用plot.zoo 绘制它：

plot(Mean)

2) Base R 或者，使用每个时间戳的前 7 个字符来表示年/月并以此进行汇总。

DF2 <- transform(DF, Timestamp = substring(Timestamp, 1, 7))
aggregate(UsdPricePerUnit ~ Timestamp, DF2, mean)

给予：

  Timestamp UsdPricePerUnit
1   2016-09        3.406667

注意

Lines <- "
Timestamp                    UsdPricePerUnit
2016-09-26 04:00:00                 3.44
2016-09-26 04:00:00                 3.44
2016-09-26 05:00:00                 3.39
2016-09-26 05:00:00                 3.39
2016-09-26 05:00:00                 3.39
2016-09-26 06:00:00                 3.39"
DF <- read.csv(textConnection(gsub("  +", ",", Lines)))

Answer 2

使用上一个答案中提供的示例数据（为演示添加了额外的一个月）以及dplyr 和anytime

library(tidyverse)
library(anytime)

Lines <- "
Timestamp               ForwardQuantity         UsdPricePerUnit
2016-09-26 04:00:00     3                 3.44
2016-09-26 04:00:00     7                 3.44
2016-09-26 05:00:00     3                 3.39
2016-10-26 05:00:00     1                 3.39
2016-10-26 05:00:00     2                 3.39
2016-10-26 06:00:00     4                 3.39"

DF <- read.csv(textConnection(gsub("  +", ",", Lines)))
DF %>%
  mutate(month = format(anydate((Timestamp)), "%Y-%m")) %>%
  group_by(month) %>%
  mutate(MonthlySpend = ForwardQuantity*UsdPricePerUnit) %>%
  summarise(QuanPerMon = sum(ForwardQuantity),
            SpendPerMon = sum(MonthlySpend)) %>%
  mutate(AveragePrice = SpendPerMon/QuanPerMon) %>%
  select(1,4)

# A tibble: 2 x 2
  month   AveragePrice
  <chr>          <dbl>
1 2016-09         3.43
2 2016-10         3.39

编辑 - 新数据添加到问题

这对我有用你的数据

df %>%
  mutate(month = format(anydate((Timestamp)), "%Y-%m")) %>%
  group_by(month) %>%
  mutate(MonthlySpend = ForwardQuantity*TotalPriceUSDPerUnit) %>%
  summarise(QuanPerMon = sum(ForwardQuantity),
            SpendPerMon = sum(MonthlySpend)) %>%
  mutate(AveragePrice = SpendPerMon/QuanPerMon) %>%
  select(1,4)

# A tibble: 1 x 2
  month   AveragePrice
  <chr>          <dbl>
1 2016-09         3.24