使用 R 标准格式日期/时间从大型数据集中计算平均每日价值？

Question

我有一个大约 570 天的大约 1000 万行数据框。使用 striptime 转换日期和时间后，数据如下：

          date          X1   
1 2004-01-01 07:43:00 1.2587 
2 2004-01-01 07:47:52 1.2585
3 2004-01-01 17:46:14 1.2586 
4 2004-01-01 17:56:08 1.2585
5 2004-01-01 17:56:15 1.2585 

我想计算每一天的平均值（如一年中的几天，而不是一周中的几天），然后绘制它们。例如。获取日期为“2004-01-01”的所有行，计算平均价格，然后对“2004-01-2”执行相同的操作，依此类推。

同样，我有兴趣找到平均每月价值或每小时价格，但我想一旦我知道如何获得平均每日价格，我就可以计算出来。

我最大的困难是自动从日期变量中提取一年中的哪一天。如何循环遍历所有 365 天并计算每天的平均值，并将其存储在列表中？

我能够使用 weekdays() 函数找到星期几的平均值，但我找不到类似的东西。

Answer 1

lubridate 是一年中的哪一天

yday，如

lubridate::yday(Sys.time())

因为数据量很大，我推荐使用 data.table 方法

library(lubridate)
library(data.table)
df$ydate=yday(df$date)
df=data.table(df)
df[,mean(X1),ydate]

如果您想要不同年份的不同日子，例如 1Jan2004 和 1Jan2005

library(lubridate)
library(data.table)
df$ydate=ymd(df$date)
df=data.table(df)
df[,mean(X1),ydate]

注意 - 除了使用 striptime 来转换日期，你可以使用 lubridate 中的 ymd_hms 函数

Answer 2

这是使用dplyr 和lubridate 的解决方案。首先，通过使用floor_date 将日期向下舍入到最接近的日单位来简化日期（参见下面thelatemail 的评论），然后使用group_by 日期并使用summarize 计算平均值：

library(dplyr)
library(lubridate)

df %>%
  mutate(date = floor_date(date)) %>%
  group_by(date) %>%
  summarize(mean_X1 = mean(X1))

使用lubridate 包，您可以使用类似的方法获取月、周或小时的平均值。例如，按月计算平均值：

df %>%
  mutate(date = month(date)) %>%
  group_by(date) %>%
  summarize(mean_X1 = mean(X1))

按小时计算：

df %>%
  mutate(date = hour(date)) %>%
  group_by(date) %>%
  summarize(mean_X1 = mean(X1))